1.一种基于维度迭代分割和改进轮廓系数聚类的用户细分方法,其特征在于:具体步骤如下:
Step1:将用户的每一项数据作为一个特征,将特征排序,按照特征顺序依次通过核概率密度函数对数据集进行迭代分割,并对分割中产生的异常值进行处理,得到多个结构紧凑的子簇;
具体为:输入用户数据集,用户数据集包括用户的喜好、行为特征,表示用户数量,表示数据集特征数量即维度数,则,表示在第维上的数据集,计算每个维度的数据方差按从大到小对维度进行排序,引入高斯核概率密度函数:;
其中每一维的带宽计算公式如下:
;
其中,数据样本在第v维上的方差,,分别为第一和第三分位数;
将函数中满足如下条件的峰谷作为切割坐标:
;
表示第个谷前峰或后峰的值,当取值为1时代表
前峰,取值为2时代表后峰,为第个谷的值,为第轮切割,默认为10%,为KDE的最大值与最小值的差;
按照切割坐标将数据集分为多个子簇,将得到的结果作为下一次分割的输入,当循环结束后,得到多个子簇,用箱线图对子簇进行处理,将其中远离簇的数据点作为异常点移除,得到结构凝聚的子簇集;
Step2:通过Step1得到多个子簇,用子簇在每个维度的平均值表示为簇质心,将子簇作为节点,并将两质心点间的欧式距离作为边的权重,表示子簇的质心在第维上的值,生成完全无向图,引入子簇邻域间交互度更新边权重,取每个子簇的邻域数据,将每两个邻域依次做KNN,其中k取3;子簇邻域间交互度记为,即为两个簇间存在的近邻数,如果,则更新权重为,引入Dijkstra算法得到子簇间最短距离矩阵distance,并计算子簇密度,、分别表示子簇在第维上样本的最小值与最大值,得到子簇间密度差矩阵rho;
Step3:选取密度最大的子簇作为代表子簇,放入集合中,将剩余的子簇放入候选集合中,通过Step2得到的距离矩阵和密度差矩阵,定义改进轮廓系数:;
,;
其中,表示子簇与子簇之间的密度差值,表示子簇与子簇之间的距离;
根据改进轮廓系数进行合并,得到最终聚类结果;
Step4:将异常值放入聚类结果C中,找寻每个异常值的k近邻,得到其邻居的标签,采用投票机制,即邻居中哪个标签多,就将该异常值标记为哪一类。
2.根据权利要求1所述的基于维度迭代分割和改进轮廓系数聚类的用户细分方法,其特征在于:Step3还包括以下步骤:Step3.1:选取密度最大的子簇作为代表子簇,放入集合中,将剩余的子簇放入候选集合中,循环遍历中子簇,计算每个子簇的系数,保存至集合中;
Step3.2:将中,满足的子簇加入中,其中为阈值;
Step3.3:重复Step3.1- Step3.2直至没有子簇加入中,则将中的子簇合并为一个簇存入集合C中;
Step3.4:重复Step3.1- Step3.3直至中没有子簇;
Step3.5:得到最终聚类结果C。