技术总结
本发明属于聚类算法技术领域，尤其涉及一种互联网数据聚类方法及系统。所述互联网数据聚类方法包括以下步骤：步骤a：在原有的FG-k-means算法的目标函数距离计算项中添加惩罚系数，形成新的目标函数；步骤b：对新的目标函数的参数进行优化求解；步骤c：根据优化的参数结果计算样本与聚类中心的距离，根据样本与聚类中心的距离对样本进行聚类簇分配。本发明实施例的互联网数据聚类方法及系统在原有FG-k-means算法的目标函数距离计算项中加入惩罚系数，可以有效地控制原有FG-k-means算法存在的聚类簇样本数量无限增长的问题，同时能够使得各个聚类簇之间样本数量均衡可控，从而获得更高的聚类精度。
技术研发人员：赵鹤;李栋一;黄哲学;姜青山;陈会;高琴;朱敏;蔡业首
受保护的技术使用者：中国科学院深圳先进技术研究院
文档号码：201510956891
技术研发日：2015.12.17
技术公布日：2017.06.27