【技术实现步骤摘要】
面向智慧校园数据分析的选择性深度聚类集成方法及装置
[0001]本专利技术涉及数据挖掘和人工智能领域,特别是涉及一种面向智慧校园数据分析的选择性深度聚类集成方法及装置。
技术介绍
[0002]随着物联网和人工智能技术的不断发展,智慧校园建设已经成为当前教育领域的主流趋势。如今的智慧校园采集到的数据量巨大,数据的结构复杂,标记数据严重不足,并且数据之间的相关性更加复杂,数据的格式和类型也是多种多样的,因此,如何从这些复杂的智慧校园数据中高效地挖掘出有意义且简洁的信息是一个亟待解决的问题。
[0003]深度聚类方法通过将具有强大表示学习能力的无监督深度学习网络与聚类相结合,能应用于多种复杂数据提取潜在有利于聚类的低维特征表示完成聚类,为挖掘这些复杂智慧校园数据提供了一种有力手段。
[0004]然而,上述传统的深度聚类方法在智慧校园环境中具有聚类结果波动大的技术问题。
技术实现思路
[0005]基于此,有必要针对上述技术问题,提供一种面向智慧校园数据分析的选择性深度聚类集成方法和一种面向智慧校园数据分析的选择性深度聚类集成装置。
[0006]为了实现上述目的,本专利技术实施例采用以下技术方案:
[0007]一方面,提供一种面向智慧校园数据分析的选择性深度聚类集成方法,包括:
[0008]采集智慧校园场景中目标数据样本和类别信息;目标数据样本包括学生信息数据样本、教师信息数据样本或安防数据样本;
[0009]根据类别信息对目标数据样本进行预处理,获得预处理样本; ...
【技术保护点】
【技术特征摘要】
1.一种面向智慧校园数据分析的选择性深度聚类集成方法,其特征在于,包括:采集智慧校园场景中目标数据样本和类别信息;所述目标数据样本包括学生信息数据样本、教师信息数据样本或安防数据样本;根据所述类别信息对所述目标数据样本进行预处理,获得预处理样本;使用自编码无监督网络深度聚类方法对所述预处理样本进行特定次深度聚类,获得特定个基聚类,将各所述基聚类组成初始候选集成;采用选择性策略,对所述初始候选集成的各基聚类进行质量或多样性的评估筛选,获得新候选集成;计算所述新候选集成中各候选基聚类簇的不确定性,根据各所述候选基聚类簇的不确定性构建各集成驱动簇指标;各所述集成驱动簇指标用于评价各所述候选基聚类簇的可靠性;根据各所述集成驱动簇指标构建加权图;使用Tcut算法对所述加权图进行划分,获得各最终聚类簇。2.根据权利要求1所述的面向智慧校园数据分析的选择性深度聚类集成方法,其特征在于,使用自编码无监督网络深度聚类方法对所述预处理样本进行特定次深度聚类,获得特定个基聚类,将各所述基聚类组成初始候选集成的步骤,包括:在当前深度聚类轮次中,重置深度聚类网络的初始参数;在当前更新轮次中,计算所述深度聚类网络的自编码器的重构损失,根据所述重构损失更新自编码器的参数;通过学生t分布将所述深度聚类网络的聚类层各嵌入点映射到软簇分配;各所述嵌入点由所述自编码器通过映射所述预处理样本的特征得到;根据所述软簇分配计算聚类损失,根据所述聚类损失计算梯度并通过反向传播,将所述梯度传递至所述深度聚类网络;所述聚类损失为所述软簇分配与预定的辅助目标分布之间的相对熵;根据所述梯度更新所述深度聚类网络的参数;根据更新后的所述深度聚类网络的参数再次计算所述自编码器的重构损失,进入下一更新轮次;当所述深度聚类网络连续两轮的参数更新幅度小于设定阈值时,保存更新后的所述深度聚类网络的最终参数,根据所述深度聚类网络的最终参数获得一个所述基聚类;再次重置所述深度聚类网络的初始参数,进入下一深度聚类轮次;当深度聚类轮次达到特定值时,保存获得的各所述基聚类,将各所述基聚类组成初始候选集成。3.根据权利要求2所述的面向智慧校园数据分析的选择性深度聚类集成方法,其特征在于,所述辅助目标分布通过将所述软簇分配进行平方归一化得到。4.根据权利要求1至3任一项所述的面向智慧校园数据分析的选择性深度聚类集成方法,其特征在于,采用选择性策略,对所述初始候选集成的各基聚类进行质量或多样性的筛选,获得新候选集成的步骤,包括:对各所述基聚类进行质量评估,获得各所述基聚类的集成标准化互信息;选择最大的所述集成标准化互信息对应的所述基聚类构成所述新候选集成;
在当前选取轮次中,将剩余的各基聚类分别与所述新候选集成形成各临时集成;剩余的各所述基聚类为所述初始候选集成中除所述新候选集成之外的各所述基聚类;分别计算各所述临时集成的平衡标准化互信息,选择最大的所述平衡标准化互信息对应的所述临时集成作为更新后的所述新候选集成;所述平衡标准化互信息根据所述集成标准化互信息和成对标准化互信息构建得到;再次将剩余的各所述基聚类分别与更新后的所述新候选集成形成下一批各所述临时集成,进入下一选取轮次的选取;当选取轮次达到设定的轮次阈值后,保存最后更新的所述新候选集成。5.一种面向智慧校园数据分析的选择性深度聚类集成装置,其特征在于,包括:采集模块、预处理模块、深度聚类模块、选择模块、指标构建模块、加权图构建模块和划分模...
【专利技术属性】
技术研发人员:钱悦,吴添君,程勇,黄友,姚世新,张亮,周勇,沈高,方雪垠,曾令斌,方宏,汪浩,杨扬,易恒柱,张蕾,曹远,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。