(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 202210833009.5 (22)申请日 2022.07.14 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 舒畅　陈又新　 (74)专利代理 机构 深圳市沃德知识产权代理事 务所(普通 合伙) 44347 专利代理师 高杰　于志光 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/55(2019.01) G06F 16/583(2019.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 局部聚类方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及人工智能技术， 揭露了一种局部 聚类方法， 包括： 获取待聚类数据集合， 对所述待 聚类数据集合中的数据进行全局特征表示， 得到 全局特征集合， 基于局部特征池化方法从所述全 局特征集合中筛选出局部特征集合， 对所述局部 特征集合中的特征进行误差 反馈训练， 得到标准 局部特征集合， 提取所述标准局部特征集合中特 征的局部 特征向量， 并基于所述局部特征向量的 权重向量进行聚类， 得到聚类结果。 此外， 本发明 还涉及区块链 技术， 所述待聚类数据集合可从区 块链的节 点中获取。 本发明还提出一种局部聚类 装置、 电子设备以及可读存储介质。 本发明可 以 解决聚类准确率较低的问题。 权利要求书2页 说明书11页 附图4页 CN 115098685 A 2022.09.23 CN 115098685 A 1.一种局部聚类方法， 其特 征在于， 所述方法包括： 获取待聚类数据集合， 对所述待聚类数据集合中的数据进行全局特征表示， 得到全局 特征集合； 基于局部特 征池化方法从所述全局特 征集合中筛选出局部特 征集合； 对所述局部特 征集合中的特 征进行误差反馈训练， 得到标准局部特 征集合； 提取所述标准局部特征集合中特征的局部特征向量， 并基于所述局部特征向量的权重 向量进行聚类， 得到聚类结果。 2.如权利要求1所述的局部聚类方法， 其特征在于， 所述获取待聚类数据集合， 对所述 待聚类数据集 合中的数据进行全局特 征表示， 得到全局特 征集合， 包括： 获取文本待聚类数据集合， 从所述文本待聚类数据集合中随机选取预设数量的文本数 据； 利用预设的文本特征表示模型对所述文本数据进行特征向量映射， 得到文本数据对应 的全局特 征集合。 3.如权利要求1中所述的局部聚类方法， 其特征在于， 所述基于局部特征池化方法从所 述全局特 征集合中筛选出局部特 征集合， 包括： 基于列维度从所述全局特 征集合中选取多组预设个数的原 始特征集合； 利用softmax函数计算所述原 始特征集合中特征的特征权重； 对所述特征权重进行维度加权平均， 确定加权平均最大的原始特征集合为所述局部特 征集合。 4.如权利要求3所述的局部聚类方法， 其特征在于， 所述利用softmax函数计算所述原 始特征集合中特征的特征权重， 包括： 利用下述公式计算所述原 始特征集合中特征的特征权重： 其中， ai为原始特征集合中第i个特征， wi为第i个特征对应的特征权重， R为原始 特征集 合。 5.如权利要求1所述的局部聚类方法， 其特征在于， 所述对所述局部特征集合中的特征 进行误差反馈训练， 得到标准局部特 征集合， 包括： 计算所述局部特 征集合的集合特征； 对所述集合特征进行求导计算， 并利用预设的误差反向传导公式计算误差值， 在所述 误差值大于等于预设的误差阈值时， 返回所述基于局部特征池化方法从所述全局特征集合 中筛选出局部特征集合的步骤， 直至所述误差值小于所述误差阈值时， 停止训练， 得到所述 标准局部特 征集合。 6.如权利要求3所述的局部聚类方法， 其特征在于， 所述提取所述标准局部特征集合中 特征的局部特征向量， 并基于所述局部特征向量的权重向量进行聚类， 得到聚类结果， 包 括： 从所述标准局部特 征集合的特征中提取 预设个数的向量作为局部特 征向量； 利用所述softmax函数计算所述局部特征向量的向量分数， 将所述向量分数与所述局权　利　要　求　书 1/2 页 2 CN 115098685 A 2部特征向量相乘， 得到所述权 重向量； 利用预设的聚类方法对所述权 重向量进行聚类， 得到所述聚类结果。 7.如权利要求1所述的局部聚类方法， 其特征在于， 所述获取待聚类数据集合， 对所述 待聚类数据集 合中的数据进行全局特 征表示， 得到全局特 征集合， 包括： 获取图像待聚类数据集合， 从所述图像待聚类数据集合中随机选取预设数量的图像数 据； 利用预设的卷积神经网络提取所述图像数据中的图像特征， 得到图像数据对应的全局 特征集合。 8.一种局部聚类装置， 其特 征在于， 所述装置包括： 特征表示模块， 用于获取待聚类数据集合， 对所述待聚类数据集合中的数据进行全局 特征表示， 得到全局特 征集合； 特征筛选模块， 用于基于局部特征池化方法从所述全局特征集合中筛选出局部特征集 合； 误差反馈模块， 用于对所述局部特征集合中的特征进行误差反馈训练， 得到标准局部 特征集合； 数据聚类模块， 用于提取所述标准局部特征集合中特征的局部特征向量， 并基于所述 局部特征向量的权 重向量进行聚类， 得到聚类结果。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使 所述至少一个处理器能够执行如权利要求 1至7中任意一项 所 述的局部聚类方法。 10.一种计算机可读存储介质， 存储有计算机程序， 其特征在于， 所述计算机程序被处 理器执行时实现如权利要求1至7中任意 一项所述的局部聚类方法。权　利　要　求　书 2/2 页 3 CN 115098685 A 3