基于改进构造性覆盖聚类算法的数字文化可视化方法技术

本发明专利技术公开一种基于改进构造性覆盖聚类算法的数字文化可视化方法，属于计算机技术领域，包括采集包含名人信息的数据，构建初始未学习数据集；基于初始未学习数据集进行初始划分，获得初始聚类结果；针对初始聚类结果，计算每个类的标准差和各类中心间的相似度值，并基于标准差和相似度调整聚类数目，得到最优的聚类结果；利用可视化技术，将最优的聚类结果进行可视化展示。本发明专利技术对名人信息出现大量的、零碎的、不成体系等问题进行有效的挖掘处理，以对这些数据进行完整美观地可视化。以对这些数据进行完整美观地可视化。以对这些数据进行完整美观地可视化。

【技术实现步骤摘要】
基于改进构造性覆盖聚类算法的数字文化可视化方法


[0001]本专利技术涉及计算机
，具体涉及一种基于改进构造性覆盖聚类算法的数字文化可视化方法。

技术介绍

[0002]自20世纪60年代以来，在计算机媒介支撑下，人文知识的获取、分析、集成和展示方式都在发生重大变化。海量的图书、报纸、期刊、照片、绘本、乐曲、视频等资料被数字化，并上传到互联网供大众获取和使用，随之出现了许多优秀的历史信息化项目，例如中国历代人物传记数据库(ChinaBiographical Database Project，CBDB)提取、整理了与近百万名历史人物相关的时空事件和关系信息。面对这种日益强化的数字化现状，2016年IEEE VIS 会议将数字人文和可视化两个领域的专家聚在一起进行研讨，打破了传统文理学科与技术之间的壁垒，为可视化技术在数字人文领域的应用开辟了新的思路。
[0003]相关技术中，申请公布号为CN105740341A的中国专利技术专利申请公开了一种基于GIS网络拓扑结构的历史名人事件年谱方法，实现步骤包括：确定输入多类型或感兴趣的历史名人、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进构造性覆盖聚类算法的数字文化可视化方法，其特征在于，所述方法包括：采集包含名人信息的数据，构建初始未学习数据集；基于所述初始未学习数据集进行初始划分，获得初始聚类结果；针对所述初始聚类结果，计算每个类的标准差和各类中心间的相似度值，并基于标准差和相似度调整聚类数目，得到最优的聚类结果；利用可视化技术，将所述最优的聚类结果进行可视化展示。2.如权利要求1所述的基于改进构造性覆盖聚类算法的数字文化可视化方法，其特征在于，所述包含名人信息的数据包括结构化数据和非结构化数据。3.如权利要求1所述的基于改进构造性覆盖聚类算法的数字文化可视化方法，其特征在于，所述采集包含名人信息的数据，构建初始未学习数据集，包括：采集包含名人信息的数据；对所述数据进行预处理，得到预处理后数据；根据预处理后的数据，构建所述初始未学习数据集。4.如权利要求1所述的基于改进构造性覆盖聚类算法的数字文化可视化方法，其特征在于，所述基于所述初始未学习数据集进行初始划分，获得初始聚类结果，包括：分别求出所述初始未学习数据集中的样本点x与簇类中心点c的距离r
x
，x∈D，D为所述初始未学习数据集；将各样本点x对应的距离r
x
求和，得到求和结果r
D
→
c
；基于距离r
x
和求和结果r
D
→
c
，计算每个未学习样本x的权重：基于基于赋予权重后的样本点，获得簇类中心点c所属覆盖的半径，确定所述初始聚类结果，所述初始聚类结果包括聚类数目N
c
和初始聚类中心点集合。5.如权利要求1所述的基于改进构造性覆盖聚类算法的数字文化可视化方法，其特征在于，所述针对所述初始聚类结果，计算每个类的标准差和各类中心间的相似度值，并基于标准差和相似度调整聚类数目，得到最优的聚类结果，包括：计算各类内样本到类中心的标准向量差，并基于所述标准向量差对所述初始聚类结果进行分裂处理，得到分裂后的聚类结果；基于所述分裂后的聚类结果，计算各类中心间的相似度值；基于所述各类中心间的相似度值，对各类进行聚合处理，得到所述最优的聚类结果。6.如权利要求5所述的基于改进构造性覆盖聚类算法的数字文化可视化方法，其特征在于，所述计算各类内样本到类中心的标准向量差，并基于所述标准向量差对所述初始聚类结果进行分裂处理，得到分裂后的聚类结果，包括：对于所述初始聚类结果，计算各类内样本到类中心的标准向量差：σ
i
＝(σ
1i
,σ
2i
,...,σ
ni
)

【专利技术属性】
技术研发人员：张以文，胡悦，王庆人，
申请(专利权)人：安徽大学，
类型：发明
国别省市：