CN114330584B 数据聚类方法、装置、存储介质以及电子设备 （北京明朝万达科技股份有限公司）

备于待聚类数据的原始数据预先确定的第一最佳模型对待聚类数据进行K-means聚类处理，得到中数据聚类方法无法自动满足新增数据聚类需求，造成的聚类效率低且聚类结果差的技术问2获取基于待聚类数据的原始数据预先确定的第一最佳聚类在检测到所述待聚类数据的增量数据之后，对所根据所述第一最佳聚类簇数值和所述第二最佳聚类簇数值的比较结其中，所述根据所述第一最佳聚类簇数值和所述第二最佳聚对所述原始数据进行首次聚类处理得到多个第一聚类指标值，并采用所述第一最佳聚类簇数值对所述原始数据进行K-means聚类处理，得到首次聚类基于所述第一最佳聚类簇数值和所述第二最佳聚类簇数值，计根据所述第三最佳聚类簇数值，循环执行基于所述增量数据选将多个所述初始聚类中心对所述聚类模型进行聚类中心的迭代第一获取模块，用于获取基于待聚类数据的原始数据预先确定的第一最佳聚类簇数第一处理模块，用于在检测到所述待聚类数据的增量数据之3第二处理模块，用于根据所述第一最佳聚类簇数值和所述结果，更新聚类模型中的聚类中心，并采用更新后的聚类模型对所述待聚类数据进行K-类中心，并将所述新增聚类中心和所述初始聚类中心作为下一次聚类处理的初始聚类中选取模块，用于对所述原始数据进行首次聚类处理得到多个第一聚类指第二获取子模块，用于采用所述第一最佳聚类簇数值对所述原始数据进行K-means聚计算模块，用于基于所述第一最佳聚类簇数值和所述第二最佳第三获取子模块，用于根据所述第三最佳聚类簇数值，循第四获取子模块，用于将多个所述初始聚类中心对所述聚类模型进行聚类中心的迭所述指令适于由处理器加载并执行权利要求1至4中任意一项所述的数4值中选取第一目标聚类指标值；获取上述第一目标聚类指标值对应的第一最佳聚类簇数[0007]可选的，在获取基于待聚类数据的原始数据预先确定的第一最佳聚类簇数值之后，上述方法还包括：采用上述第一最佳聚类簇数值对上述原始数据进行K-means聚类处[0008]可选的，根据上述第一最佳聚类簇数值和上述第二最佳5处理得到多个第一聚类指标值，并从多个上述第一聚类指标值中选取第一目标聚类指标6[0021]图3是根据本发明实施例的一种可选的用于实施上述数据聚类方法的系统结构示员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范7来也发展出了一系列只输入部分有标签样本的分类方法称为半监取兴趣实体的特征信息后，将这一些信息进行聚类和分类就可以大大方便人们的生产生[0038]面对多次聚类的问题传统K-means因为随机性所以不存在延续性，和自动获取最8[0039]上述方法至少存在以下缺陷：需要用户设定聚类K值，由于无监督样本在实际当在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并[0045]步骤S108，根据上述第一最佳聚类簇数值和上述第二最佳聚类簇数值的比较结[0050]可选的，上述第一最佳聚类簇数值K1和上述第二最佳聚类9[0052]作为一种可选的实施例，图3是根据本发明实施例的一种可选的用于实施上述数存储模块和模型加载模块)用于对训练出来的模型提供管理，可以选择增量训练的基础模[0058]需要说明的是，本发明实施例中获取上述第一最佳聚类簇数值K1(即自动寻找最[0070]作为一种可选的实施例，图4是根据本发明实施例的另一种可选的数据聚类方法动发现新增类别并且不会破坏原有的聚类结果；如果新增数据不符合分类会给予用户提[0072]作为一种可选的实施例，图5是根据本发明实施例的另一种可选的数据聚类方法[0079]作为一种可选的实施例，图6是根据本发明实施例的一种可选的数据聚类方法的[0080]作为一种可选的实施例，图7是根据本发明实施例的一种可选的数据聚类方法的能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬二处理模块66对应于实施例1中的步骤S102至步骤S108，上述模块与对应的步骤所实现的执行存储在存储器中的上述程序单元来实现相应值大于上述第二最佳聚类簇数值时，确定上述增量数据和上述原始数据的分布不相符合，新聚类模型中的聚类中心，并采用更新后的聚类模型对上述待聚类数据进行K-means聚类对上述原始数据进行首次聚类处理确定的聚类中心，作为下一次聚类处理的初始聚类中[0115]所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产所述方法的全部或部分步骤。而前述的非易失性存储介质包括：U盘、只读存储器(ROM，