(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210319737.4 (22)申请日 2022.03.29 (71)申请人 哈尔滨工业大 学 （深圳） 地址 518000 广东省深圳市南 山区桃源街 道深圳大 学城哈尔滨工业大 学校区 (72)发明人 王鸿鹏　张瑞霖　苗振国　郑海阳　 (74)专利代理 机构 深圳市添源创鑫知识产权代 理有限公司 4 4855 专利代理师 姜书新 (51)Int.Cl. G06V 10/40(2022.01) G06V 10/762(2022.01) G06V 10/776(2022.01) G06K 9/62(2022.01) (54)发明名称 基于空间向量分解的边界剥离聚类方法及 系统 (57)摘要 本发明提供了一种基于空间向量分解的边 界剥离聚类方法及系统， 该边界剥离聚类方法包 括： 步骤1， 输入步骤： 输入数据集 合 ； 步骤2， 边界剥离步骤： 根 据对象邻域 分布特征判别对象类型， 以剥离边界 点； 步骤3， 簇骨架构建步骤： 依据传递闭包关系 确定簇的骨架； 步骤4， 边界关联步骤： 建立边界 与簇骨架之间的隶属关系完成聚类； 步骤5， 输出 步骤： 输出聚类结果。 本发明的有益效果是： 本发 明不仅解决了现有边界剥离聚类倾向于分布均 匀、 球形簇的局限， 同时提升了本发明在复杂分 布、 高维数据下的表现。 权利要求书2页 说明书16页 附图4页 CN 115375906 A 2022.11.22 CN 115375906 A 1.一种基于空间向量分解的边界剥离聚类方法， 其特 征在于， 包括如下步骤： 步骤1， 输入步骤： 输入数据集 合X＝{x1,x2,x3,...,xn}∈Rm×n； 步骤2， 边界剥离步骤： 根据对象邻域分布特 征判别对象类型， 以剥离边界点； 步骤3， 簇骨架构建步骤： 依据传递闭包关系确定 簇的骨架； 步骤4， 边界关联步骤： 建立 边界与簇骨架之间的隶属关系完成聚类； 步骤5， 输出步骤： 输出聚类结果。 2.根据权利要求1所述的边界剥离聚类方法， 其特 征在于， 所述 步骤2包括如下步骤： 步骤21： 计算密度ρi； 步骤22： 计算近邻向量范 数||vi||p； 步骤23： 计算 边界置信 3.根据权利 要求2所述的边界剥离聚类方法， 其特征在于， 在所述步骤21中， 根据式(7) 计算密度ρi； k表示近邻参数， Nk(xi)表示对象xi的k近邻集合； d(xi,xj)表示对象xi和xj之间的L2距 离。 4.根据权利 要求3所述的边界剥离聚类方法， 其特征在于， 在所述步骤22中， 根据式(6) 计算近邻向量范 数||vi||p； xid、 xjd分别表示对象xi和xi在维度d上的取值， 即第d个属性值； P代表P范式； xj代表对象 j。 5.根据权利 要求4所述的边界剥离聚类方法， 其特征在于， 在所述步骤23中， 根据式(8) 计算边界置信BCi； 6.根据权利要求1至5任一项所述的边界剥离聚类方法， 其特征在于， 所述步骤3包括如 下步骤： 步骤31： 根据式(9)将数据集 合X分割为 边界集XB和核心集XCore， 其中τ∈[0,1]为边界权重， 为降序队列； ξ(xi)是一个指示变量， 如果ξ(xi)等于1， 表 明该对象为边界对象， 如果ξ(xi)为0， 则该对象属于核心对象； BCi表示对象的边界置信； n表 示数据集中对象数量； 步骤32： 根据式(10)建立对象间的有向连通图， 遍历矩阵， 搜索连通区域，权　利　要　求　书 1/2 页 2 CN 115375906 A 27.根据权利要求6所述的边界剥离聚类方法， 其特征在于， 在所述步骤4中， 根据式 (11)， 划分边界对象， 建立 边界与簇骨架的关联， φi指定了边界对象xi∈XB的隶属信息 。 8.一种基于空间向量分解的边界剥离聚类系统， 其特征在于， 包括： 存储器、 处理器以 及存储在所述存储器上的计算机程序， 所述计算机程序配置为由所述处理器调用时实现权 利要求1－7中任一项所述 边界剥离聚类方法的步骤。 9.一种计算机可读存储介质， 其特征在于： 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序配置为由处理器调用时实现权利要求 1－7中任一项 所述的边界剥离聚 类方法的步骤。权　利　要　求　书 2/2 页 3 CN 115375906 A 3