1.一种数据聚类方法,所述方法包括:
根据待聚类数据的密度值、最近密度更高点距离和最近种子距离,从所述待聚类数据中确定聚类种子;
基于所述聚类种子对所述待聚类数据进行均值聚类,得到聚类初始簇;
根据所述待聚类数据在对应的所述聚类初始簇中的覆盖点数,和所述最近密度更高点距离,确定所述聚类初始簇的最终聚类中心;
基于所述最终聚类中心对所述待聚类数据进行密度峰值聚类,得到数据聚类结果。
2.根据权利要求1所述的方法,其特征在于,所述根据待聚类数据的密度值、最近密度更高点距离和最近种子距离,从所述待聚类数据中确定聚类种子包括:确定各所述待聚类数据的密度值和最近密度更高点距离,并根据所述密度值初始化聚类种子表;
确定各所述待聚类数据与所述聚类种子表中各种子之间的最近种子距离;
根据所述密度值、所述最近密度更高点距离和所述最近种子距离,从所述待聚类数据中确定更新种子,并将所述更新种子加入所述聚类种子表中;
当所述聚类种子表中的种子数量不满足预设种子数量阈值时,返回确定各所述待聚类数据与所述聚类种子表中各种子之间的最近种子距离的步骤;否则,从所述聚类种子表中获取聚类种子。
3.根据权利要求2所述的方法,其特征在于,所述根据所述密度值初始化聚类种子表包括:将所述密度值最大的待聚类数据作为初始化种子,并将所述初始化种子加入所述聚类种子表中。
4.根据权利要求3所述的方法,其特征在于,所述根据所述密度值、所述最近密度更高点距离和所述最近种子距离,从所述待聚类数据中确定更新种子包括:根据所述密度值、所述最近密度更高点距离和所述最近种子距离的积,得到各所述待聚类数据的种子候选参数;
将所述种子候选参数最大的待聚类数据作为更新种子。
5.根据权利要求1所述的方法,其特征在于,所述基于所述聚类种子对所述待聚类数据进行均值聚类,得到聚类初始簇包括:根据K均值聚类算法和所述聚类种子,对所述待聚类数据进行均值聚类,得到聚类初始簇。
6.根据权利要求1至5任意一项所述的方法,其特征在于,所述根据所述待聚类数据在对应的所述聚类初始簇中的覆盖点数,和所述最近密度更高点距离,确定所述聚类初始簇的最终聚类中心包括:确定所述待聚类数据在对应的所述聚类初始簇中的覆盖点数;
根据所述覆盖点数和所述最近密度更高点距离的积,得到聚类中心候选参数;
将所述聚类初始簇中,所述聚类中心候选参数最大的待聚类数据作为最终聚类中心。
7.根据权利要求1所述的方法,其特征在于,所述基于所述最终聚类中心对所述待聚类数据进行密度峰值聚类,得到数据聚类结果包括:根据密度峰值聚类算法和所述最近密度更高点距离,将其他所述待聚类数据分配至所述最终聚类中心所在的聚类簇中,数据聚类结果包括所述聚类簇。
8.一种数据聚类装置,其特征在于,所述装置包括:
聚类种子确定模块,用于根据待聚类数据的密度值、最近密度更高点距离和最近种子距离,从所述待聚类数据中确定聚类种子;
初始簇模块,用于基于所述聚类种子对所述待聚类数据进行均值聚类,得到聚类初始簇;
聚类中心确定模块,用于根据所述待聚类数据在对应的所述聚类初始簇中的覆盖点数,和所述最近密度更高点距离,确定所述聚类初始簇的最终聚类中心;
聚类结果获得模块,用于基于所述最终聚类中心对所述待聚类数据进行密度峰值聚类,得到数据聚类结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。