应用于图像处理的聚类效果检测方法、装置、设备及介质.pdf

《应用于图像处理的聚类效果检测方法、装置、设备及介质.pdf》由会员分享，可在线阅读，更多相关《应用于图像处理的聚类效果检测方法、装置、设备及介质.pdf（19页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010922529.4 (22)申请日 2020.09.04 (71)申请人 上海云从汇临人工智能科技有限公 司 地址 200120 上海市浦东新区南汇新城镇 环湖西二路888号C楼 (72)发明人 周曦姚志强王诗诗 (74)专利代理机构 上海光华专利事务所(普通 合伙) 31219 代理人 代玲 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/62(2006.01) (54)发明名称 应用于图像处理的聚类效果检测方法、 装 置、 设备及介质 (。

2、57)摘要 本发明提供一种应用于图像处理聚类效果 检测方法、 装置、 设备及介质， 该方法包括： 通过 标记成员来获取聚类结果中所对应的一种或者 多种的实际类以及实际类中的预测类内成员； 根 据预测类内成员的成员数量分别进行多维查询 处理， 获取所述预测类内成员对应的类号， 并通 过所述预测类内成员的类号分别获取对应的实 际类内成员； 通过成员参数来确定聚类效果参 数， 并通过所述聚类效果参数来判定所述聚类效 果。 通过聚类效果参数来获取一种或者多种评价 标准并对聚类效果进行评价， 从而便于检测相关 指标、 衡量算法、 阈值是否达到要求， 从不同角 度、 不同类型的参数提供准确率、 召回率、 。

3、F值参 考， 提供评价方式或者检测结果， 能够更好地优 化算法、 调整阈值。 权利要求书3页 说明书10页 附图5页 CN 112036344 A 2020.12.04 CN 112036344 A 1.一种应用于图像处理的聚类效果检测方法， 其特征在于， 包括： 通过标记成员来获取聚类结果中所对应的一种或者多种的实际类以及所述实际类中 的预测类内成员， 其中， 所述聚类结果是聚类算法的输出结果； 根据所述预测类内成员的成员数量分别进行多维查询处理， 获取所述预测类内成员对 应的类号， 并通过所述预测类内成员的类号分别获取对应的实际类内成员； 通过成员参数来确定聚类效果参数， 并通过所述聚类效。

4、果参数来判定所述聚类效果， 其中， 所述成员参数至少包括以下之一： 所述标记成员、 所述预测类内成员、 所述实际类内 成员。 2.根据权利要求1所述的应用于图像处理的聚类效果检测方法， 其特征在于， 所述多维 查询处理的步骤包括： 当所述预测类内成员的成员数量小于或者等于n时， 查询各个预测类 内成员所对应的类号， 其中， n2且n为正整数； 所述多维查询处理的步骤包括： 当所述预测类内成员的数量大于n时， 查询其中m个预 测类内成员所对应的类号， 其中， 其中， nm1， n和m为正整数。 3.根据权利要求2所述的应用于图像处理的聚类效果检测方法， 其特征在于， 获取所述 预测类内成员对应的。

5、类号， 并通过所述预测类内成员的类号分别获取对应的实际类内成员 的步骤包括： 通过各个预测类内成员所对应的类号确定不同的类号， 并通过不同的类号分别获取对 应的实际类内成员。 4.根据权利要求2所述的应用于图像处理的聚类效果检测方法， 其特征在于， 获取所述 预测类内成员对应的类号， 并通过所述预测类内成员的类号分别获取对应的实际类内成员 的步骤包括： 通过m个预测类内成员所对应的类号确定不同的类号， 并通过不同的类号分别获取对 应的实际类内成员； 当m个预测类内成员对应的实际类内成员存在于所述标记成员的类中时， 将m个预测类 内成员从所述预测类内成员中删除。 5.根据权利要求4所述的应用于图。

6、像处理的聚类效果检测方法， 其特征在于， 当m个预 测类内成员对应的实际类内成员不存在于所述标记成员的类中时， 判断所述预测类内成员 是否完成查询， 当完成查询时， 通过成员参数来确定聚类效果参数， 当未完成查询时， 查询 所述预测类内成员的类号； 判断所述预测类内成员是否都完成查询， 当完成查询时， 通过成员参数来确定聚类效 果参数， 当未完成查询时， 查询预测类内成员的类号。 6.根据权利要求1所述的应用于图像处理的聚类效果检测方法， 其特征在于， 所述聚类 效果参数包括所述召回率和所述准确率， 通过所述标记成员与所述预测类内成员之间的数 量关系来确定所述召回率或者所述准确率。 7.根据权。

7、利要求1所述的应用于图像处理的聚类效果检测方法， 其特征在于， 所述聚类 效果参数包括所述召回率和所述准确率， 通过所述标记成员的元素与所述预测类内成员的 元素之间的数量关系来确定所述召回率或者所述准确率， 其中， 所述标记成员的元素为所 述标记成员所对应的类的二维列表的元素， 所述预测类内成员的元素为所述预测类内成员 所对应的类的二维列表的元素。 权利要求书 1/3 页 2 CN 112036344 A 2 8.根据权利要求1所述的应用于图像处理的聚类效果检测方法， 其特征在于， 所述聚类 效果参数包括所述召回率和所述准确率， 通过所述标记成员所对应的类号与所述预测类内 成员所对应的类号之间。

8、的数量关系来确定所述召回率或者所述准确率。 9.根据权利要求6或者7或者8所述的应用于图像处理的聚类效果检测方法， 其特征在 于， 所述聚类效果参数包括所述F值， 通过所述召回率与所述准确率之积、 所述召回率与所 述准确率之和的数量关系获取F值。 10.一种应用于图像处理的聚类效果检测装置， 其特征在于， 包括： 查询模块， 用于通过标记成员获取所对应的一种或者多种的实际类以及所述实际类中 的预测类内成员， 根据所述预测类内成员的成员数量分别进行多维查询处理， 获取所述预 测类内成员对应的类号， 并通过所述预测类内成员的类号分别获取对应的实际类内成员； 检测模块， 用于通过成员参数来确定聚类效。

9、果参数， 并通过所述聚类效果参数来判定 聚类效果， 其中， 所述成员参数至少包括以下之一： 所述标记成员、 所述预测类内成员、 所述 实际类内成员； 所述查询模块与所述检测模块信号连接。 11.根据权利要求10所述的应用于图像处理的聚类效果检测装置， 其特征在于， 所述查 询模块进行所述多维查询处理的步骤包括： 当所述预测类内成员的成员数量小于或者等于 n时， 查询各个预测类内成员所对应的类号， 其中， n2且n为正整数； 所述多维查询处理的步骤包括： 当所述预测类内成员的数量大于n时， 查询其中m个预 测类内成员所对应的类号， 其中， 其中， nm1， n和m为正整数。 12.根据权利要求1。

10、1所述的应用于图像处理的聚类效果检测装置， 其特征在于， 所述查 询模块获取所述预测类内成员对应的类号， 通过所述预测类内成员的类号分别获取对应的 实际类内成员的步骤包括： 通过各个预测类内成员所对应的类号确定不同的类号， 并通过不同的类号分别获取对 应的实际类内成员。 13.根据权利要求11所述的应用于图像处理的聚类效果检测装置， 其特征在于， 所述查 询模块获取所述预测类内成员对应的类号， 通过所述预测类内成员的类号分别获取对应的 实际类内成员的步骤包括： 通过m个预测类内成员所对应的类号确定不同的类号， 并通过不同的类号分别获取对 应的实际类内成员； 当m个预测类内成员对应的实际类内成员。

11、存在于所述标记成员的类中时， 将m个预测类 内成员从所述预测类内成员中删除。 14.根据权利要求13所述的应用于图像处理的聚类效果检测装置， 其特征在于， 当m个 预测类内成员对应的实际类内成员不存在于所述标记成员的类中时， 判断所述预测类内成 员是否完成查询， 当完成查询时， 通过成员参数来确定聚类效果参数， 当未完成查询时， 查 询所述预测类内成员的类号； 判断所述预测类内成员是否都完成查询， 当完成查询时， 通过成员参数来确定聚类效 果参数， 当未完成查询时， 查询预测类内成员的类号。 15.一种计算机设备， 其特征在于， 包括： 一个或多个处理器； 和 权利要求书 2/3 页 3 CN。

12、 112036344 A 3 其上存储有指令的一个或多个机器可读介质， 当所述一个或多个处理器执行时， 使得 所述设备执行如权利要求1-9中一个或多个所述的应用于图像处理的聚类效果检测方法。 16.一个或多个机器可读介质， 其特征在于， 其上存储有指令， 当由一个或多个处理器 执行时， 使得设备执行如权利要求1-9中一个或多个所述的应用于图像处理的聚类效果检 测方法。 权利要求书 3/3 页 4 CN 112036344 A 4 应用于图像处理的聚类效果检测方法、 装置、 设备及介质 技术领域 0001 本发明涉及程序算法技术， 特别是涉及一种应用于图像处理的聚类效果检测方 法、 装置、 设备。

13、及介质。 背景技术 0002 在机器学习中， 通常使用聚类算法进行非监督学习， 能够较好地适用于海量数据 的处理。 例如， 安防部门有时需要对特定行人进行跟踪， 所以要对抓拍到的人脸进行聚类。 在完成聚类任务后， 通常为得到更好的聚类效果需要优化算法、 调整阈值等处理， 以检测相 关指标、 衡量算法、 阈值是否达到要求， 现有的检测方法不能较好地反应和检测聚类效果。 发明内容 0003 鉴于以上所述现有技术的缺点， 本发明的目的在于提供一种应用于图像处理的聚 类效果检测方法、 装置、 设备及介质， 用于解决现有技术中聚类效果不便于检测的问题。 0004 为实现上述目的及其他相关目的， 本发明提。

14、供一种应用于图像处理的聚类效果检 测方法， 包括： 0005 通过标记成员来获取聚类结果中所对应的一种或者多种的实际类以及所述实际 类中的预测类内成员， 其中， 所述聚类结果是聚类算法的输出结果； 0006 根据所述预测类内成员的成员数量分别进行多维查询处理， 获取所述预测类内成 员对应的类号， 并通过所述预测类内成员的类号分别获取对应的实际类内成员； 0007 通过成员参数来确定聚类效果参数， 并通过所述聚类效果参数来判定所述聚类效 果， 其中， 所述成员参数至少包括以下之一： 所述标记成员、 所述预测类内成员、 所述实际类 内成员。 0008 可选的， 所述多维查询处理的步骤包括： 当所述。

15、预测类内成员的成员数量小于或 者等于n时， 查询各个预测类内成员所对应的类号， 其中， n2且n为正整数； 0009 所述多维查询处理的步骤包括： 当所述预测类内成员的数量大于n时， 查询其中m 个预测类内成员所对应的类号， 其中， 其中， nm1， n和m为正整数。 0010 可选的， 获取所述预测类内成员对应的类号， 并通过所述预测类内成员的类号分 别获取对应的实际类内成员的步骤包括： 0011 通过各个预测类内成员所对应的类号确定不同的类号， 并通过不同的类号分别获 取对应的实际类内成员。 0012 可选的， 获取所述预测类内成员对应的类号， 并通过所述预测类内成员的类号分 别获取对应的。

16、实际类内成员的步骤包括： 0013 通过m个预测类内成员所对应的类号确定不同的类号， 并通过不同的类号分别获 取对应的实际类内成员； 0014 当m个预测类内成员对应的实际类内成员存在于所述标记成员的类中时， 将m个预 测类内成员从所述预测类内成员中删除。 说明书 1/10 页 5 CN 112036344 A 5 0015 可选的， 当m个预测类内成员对应的实际类内成员不存在于所述标记成员的类中 时， 判断所述预测类内成员是否完成查询， 当完成查询时， 通过成员参数来确定聚类效果参 数， 当未完成查询时， 查询所述预测类内成员的类号； 0016 判断所述预测类内成员是否都完成查询， 当完成查。

17、询时， 通过成员参数来确定聚 类效果参数， 当未完成查询时， 查询预测类内成员的类号。 0017 可选的， 所述聚类效果参数包括所述召回率和所述准确率， 通过所述标记成员与 所述预测类内成员之间的数量关系来确定所述召回率或者所述准确率。 0018 可选的， 所述聚类效果参数包括所述召回率和所述准确率， 通过所述标记成员的 元素与所述预测类内成员的元素之间的数量关系来确定所述召回率或者所述准确率， 其 中， 所述标记成员的元素为所述标记成员所对应的类的二维列表的元素， 所述预测类内成 员的元素为所述预测类内成员所对应的类的二维列表的元素。 0019 可选的， 所述聚类效果参数包括所述召回率和所述。

18、准确率， 通过所述标记成员所 对应的类号与所述预测类内成员所对应的类号之间的数量关系来确定所述召回率或者所 述准确率。 0020 可选的， 所述聚类效果参数包括所述F值， 通过所述召回率与所述准确率之积、 所 述召回率与所述准确率之和的数量关系获取F值。 0021 一种应用于图像处理的聚类效果检测装置， 包括： 0022 查询模块， 用于通过标记成员获取所对应的一种或者多种的实际类以及所述实际 类中的预测类内成员， 根据所述预测类内成员的成员数量分别进行多维查询处理， 获取所 述预测类内成员对应的类号， 并通过所述预测类内成员的类号分别获取对应的实际类内成 员； 0023 检测模块， 用于通过。

19、成员参数来确定聚类效果参数， 并通过所述聚类效果参数来 判定聚类效果， 其中， 所述成员参数至少包括以下之一： 所述标记成员、 所述预测类内成员、 所述实际类内成员； 0024 所述查询模块与所述检测模块信号连接。 0025 可选的， 所述查询模块进行所述多维查询处理的步骤包括： 当所述预测类内成员 的成员数量小于或者等于n时， 查询各个预测类内成员所对应的类号， 其中， n2且n为正整 数； 0026 所述多维查询处理的步骤包括： 当所述预测类内成员的数量大于n时， 查询其中m 个预测类内成员所对应的类号， 其中， 其中， nm1， n和m为正整数。 0027 可选的， 所述查询模块获取所述。

20、预测类内成员对应的类号， 通过所述预测类内成 员的类号分别获取对应的实际类内成员的步骤包括： 0028 通过各个预测类内成员所对应的类号确定不同的类号， 并通过不同的类号分别获 取对应的实际类内成员。 0029 可选的， 所述查询模块获取所述预测类内成员对应的类号， 通过所述预测类内成 员的类号分别获取对应的实际类内成员的步骤包括： 0030 通过m个预测类内成员所对应的类号确定不同的类号， 并通过不同的类号分别获 取对应的实际类内成员； 0031 当m个预测类内成员对应的实际类内成员存在于所述标记成员的类中时， 将m个预 说明书 2/10 页 6 CN 112036344 A 6 测类内成员。

21、从所述预测类内成员中删除。 0032 可选的， 当m个预测类内成员对应的实际类内成员不存在于所述标记成员的类中 时， 判断所述预测类内成员是否完成查询， 当完成查询时， 通过成员参数来确定聚类效果参 数， 当未完成查询时， 查询所述预测类内成员的类号； 0033 判断所述预测类内成员是否都完成查询， 当完成查询时， 通过成员参数来确定聚 类效果参数， 当未完成查询时， 查询预测类内成员的类号。 0034 一种计算机设备， 包括： 0035 一个或多个处理器； 和其上存储有指令的一个或多个机器可读介质， 当所述一个 或多个处理器执行时， 使得所述设备执行一个或多个所述的方法。 0036 一个或多。

22、个机器可读介质， 其上存储有指令， 当由一个或多个处理器执行时， 使得 设备执行一个或多个所述的方法。 0037 如上所述， 本发明提供的一种应用于图像处理的聚类效果检测方法、 装置、 设备及 介质， 具有以下有益效果： 0038 通过聚类效果参数来获取一种或者多种评价标准， 并通过该评价标准对聚类效果 进行评价， 从而便于检测相关指标、 衡量算法、 阈值是否达到要求， 从不同角度、 不同类型的 参数提供准确率、 召回率、 F值参考， 提供评价方式或者检测结果， 能够更好地优化算法、 调 整阈值。 附图说明 0039 图1为本发明实施例提供的应用于图像处理的聚类效果检测方法的流程示意图。 00。

23、40 图2为本发明实施例提供的一多维查询处理的流程示意图。 0041 图3为本发明实施例提供的另一多维查询处理的流程示意图。 0042 图4为本发明实施例提供的应用于图像处理的聚类效果检测装置的结构示意图。 。 0043 图5为一实施例提供的终端设备的硬件结构示意图。 0044 图6为另一实施例提供的终端设备的硬件结构示意图。 0045 元件标号说明 0046 1100 输入设备 0047 1101 第一处理器 0048 1102 输出设备 0049 1103 第一存储器 0050 1104 通信总线 0051 1200 处理组件 0052 1201 第二处理器 0053 1202 第二存储器。

24、 0054 1203 通信组件 0055 1204 电源组件 0056 1205 多媒体组件 0057 1206 语音组件 0058 1207 输入/输出接口 说明书 3/10 页 7 CN 112036344 A 7 0059 1208 传感器组件 具体实施方式 0060 以下通过特定的具体实例说明本发明的实施方式， 本领域技术人员可由本说明书 所揭露的内容轻易地了解本发明的其他优点与功效。 本发明还可以通过另外不同的具体实 施方式加以实施或应用， 本说明书中的各项细节也可以基于不同观点与应用， 在没有背离 本发明的精神下进行各种修饰或改变。 需说明的是， 在不冲突的情况下， 以下实施例及实。

25、施 例中的特征可以相互组合。 0061 需要说明的是， 以下实施例中所提供的图示仅以示意方式说明本发明的基本构 想， 遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、 形状及尺寸 绘制， 其实际实施时各组件的型态、 数量及比例可为一种随意的改变， 且其组件布局型态也 可能更为复杂。 0062 在图像处理的过程中， 需要通过聚类算法来获取类以及类内的成员， 发明人发现 在测试过程中还需要通过一定的评价指标来评价聚类算法的性能， 以便于进行阈值调节等 对聚类算法的优化处理， 请参阅图1， 本发明提供一种应用于图像处理的聚类效果检测方 法， 包括： 0063 S1： 通过标记成员来获。

26、取聚类结果中所对应的一种或者多种的实际类以及所述实 际类中的预测类内成员， 即通过对聚类结果中的成员进行标记， 获取标记成员， 通过标记成 员获取该标记成员所对应的实际类， 并通过对实际类进行查询和预测， 获取预测类内成员， 其中， 所述聚类结果是聚类算法的输出结果； 0064 S2： 根据所述预测类内成员的成员数量分别进行多维查询处理， 获取所述预测类 内成员对应的类号， 并通过所述预测类内成员的类号分别获取对应的实际类内成员， 还可 根据所述预测类内成员的成员数量选择不同的多维查询处理方式， 提高查询的速度和效 率， 也便于应用于海量数据聚类后的结果处理； 0065 S3： 通过成员参数来。

27、确定聚类效果参数， 并通过所述聚类效果参数来判定所述聚 类效果， 其中， 所述成员参数至少包括以下之一： 所述标记成员、 所述预测类内成员、 所述实 际类内成员。 例如， 可以通过各实际类包含的标记成员从数据库读取标记成员所在的类号， 由于并非所有标记成员被聚到一个实际类中， 所以可能会得到多个预测类， 再通过这些预 测类内读到该预测类的预测类内成员， 最后得到二维成员列表。 如有两个实际类内成员ID： u1,u2,u3、 u5,u6， 通过数据库查询得到u1,u2属于类c1， u3属于类c2， u5,u6属于类c3， 通过查询c1、 c2得到其成员分别是u1,u2， u3,u4， 查询c3得。

28、到其成员是u5,u6， 则最终 返回的预测类内成员ID为以下二维列表u1,u2,u3,u4,u5,u6， 进而可以获取成 员参数和聚类效果参数， 通过聚类效果参数来获取一种或者多种评价标准， 并通过该评价 标准对聚类效果进行评价， 从而便于检测相关指标、 衡量算法、 阈值是否达到要求， 提供评 价方式或者检测结果， 能够更好地优化算法、 调整阈值。 0066 请参阅图2， 在一些实施过程中， 所述多维查询处理的步骤包括： 0067 S101： 当所述预测类内成员的成员数量小于或者等于n时； 0068 S102： 查询各个预测类内成员所对应的类号， 其中， n2且n为正整数。 0069 可选的，。

29、 获取所述预测类内成员对应的类号， 通过所述预测类内成员的类号分别 说明书 4/10 页 8 CN 112036344 A 8 获取对应的实际类内成员的步骤包括： 0070 S103： 通过各个预测类内成员所对应的类号确定不同的类号， 并通过不同的类号 分别获取对应的实际类内成员。 由于类中类内成员的数量多少不同， 出现大小类的情况， 为 减少网络传输耗时， 可以选择对大小类分开处理， 数量较小的类， 例如， 含有少于或者等于n 个类内成员的类， 可以一次对该类中所有类内成员查询所属的类号， 返回不重复的类结果， 单次查询只查询一个类内成员的所属类号消耗时间较多， 所以采用一次查询多个类内成员。

30、 的策略。 0071 在一些实施过程中， 对于较大的类， 从第一次查询开始， 每次选若干个预测类内成 员进行查询， 得到的不重复的类号以及对应的类号所含的实际类内成员， 如果实际类内成 员在标记成员的类号中， 则将所述若干个预测类内成员删除， 这样可以较大地减少需要查 询的成员个数， 也可以大大减少需要查询的次数。 请参阅图3， 所述多维查询处理的步骤包 括： 0072 S111： 当所述预测类内成员的数量大于n时； 0073 S112： 查询其中m个预测类内成员所对应的类号， 其中， 其中， nm1， n和m为正整 数。 0074 获取所述预测类内成员对应的类号， 通过所述预测类内成员的类号。

31、分别获取对应 的实际类内成员的步骤包括： 0075 S113： 通过m个预测类内成员所对应的类号确定不同的类号， 并通过不同的类号分 别获取对应的实际类内成员； 0076 S114： 当m个预测类内成员对应的实际类内成员存在于所述标记成员的类中时； 0077 S115： 将m个预测类内成员从所述预测类内成员中删除。 0078 S114： 当m个预测类内成员对应的实际类内成员不存在于所述标记成员的类中时， 判断所述预测类内成员是否完成查询S116， 当完成查询时， 通过成员参数来确定聚类效果 参数S2， 当未完成查询时， 查询所述预测类内成员的类号， 跳转至S112。 0079 在将m个预测类内。

32、成员从所述预测类内成员中删除的步骤S115之后， 判断所述预 测类内成员是否都完成查询S116， 当完成查询时， 通过成员参数来确定聚类效果参数S2， 当 未完成查询时， 查询预测类内成员的类号， 跳转至S112。 通过选取m个预测类内成员进行查 询， 然后删除存在于标记成员的类中的m个预测类内成员， 避免重复查询， 降低了需要查询 的次数， 提高了查询效率和速度。 0080 在一些实施过程中， 所述聚类效果参数包括所述召回率和所述准确率， 通过所述 标记成员与所述预测类内成员之间的数量关系来确定所述召回率或者所述准确率。 例如， R 表示标记成员的集合， P表示预测类内成员的集合， 所述召回。

33、率或者所述准确率的一种数学 表达为： 0081 0082 0083 其中， Recall1表示一种召回率， Accurancy1表示一种准确率， 表示集合的交集， | 说明书 5/10 页 9 CN 112036344 A 9 T|表示集合T的元素数量。 0084 在一些实施过程中， 所述聚类效果参数包括所述召回率和所述准确率， 通过所述 标记成员的元素与所述预测类内成员的元素之间的数量关系来确定所述召回率或者所述 准确率， 其中， 所述标记成员的元素为所述标记成员所对应的类的二维列表的元素， 所述预 测类内成员的元素为所述预测类内成员所对应的类的二维列表的元素。 例如， 所述召回率 或者所述。

34、准确率的另一数学表达为： 0085 0086 0087 其中， R表示标记成员的集合， P表示预测类内成员的集合， Recall2表示另一种召 回率， Accurancy2表示另一种准确率， 表示集合的交集， pairedT表示集合T中元素的二维 列表， |T|表示集合T的元素数量。 更加符合实际， 而且为了便于提升计算性能， 将熵的运算 改为成员个数的运算。 0088 在一些实施过程中， 所述聚类效果参数包括所述召回率和所述准确率， 通过所述 标记成员所对应的类号与所述预测类内成员所对应的类号之间的数量关系来确定所述召 回率或者所述准确率， 例如， 所述召回率或者所述准确率的又一数学表达为：。

35、 0089 0090 0091 其中， R 表示标记成员的对应类的集合， P 表示预测类内成员的对应类的集合， Recall3表示又一种召回率， Accurancy3表示又一种准确率， 表示集合的交集。 由于信息量 较少， 计算方式较为严格， 该计算方式以类或者集群为单位， 用来检查集群是否完全正确。 0092 可选的， 所述聚类效果参数包括所述F值(即F-measure)， 通过所述召回率与所述 准确率之积、 所述召回率与所述准确率之和的数量关系获取F值。 例如， F值的一种数学表达 为： 0093 0094 其中， Recall表示召回率， Accurancy表示准确率。 0095 在一些。

36、实施过程中， 可将本方法提供的聚类效果检测方法应用到现有网络中， 并 进行运行环境的配置， 通过命令行命令访问所述流程进行准召自动识别， 还可以通过命令 行窗口， 可以查看准确率、 召回率、 F值等参数随阈值调整发生的变化， 从不同角度、 不同类 型的参数提供准确率、 召回率、 F值参考， 便于检测聚类效果。 0096 请参阅图4， 本发明还提供一种应用于图像处理的聚类效果检测装置， 包括： 0097 查询模块1， 用于通过标记成员获取所对应的一种或者多种的类以及预测类内成 员， 根据所述预测类内成员的成员数量分别进行多维查询处理， 获取所述预测类内成员对 说明书 6/10 页 10 CN 1。

37、12036344 A 10 应的类号， 通过所述预测类内成员的类号分别获取对应的实际类内成员； 0098 检测模块2， 用于通过成员参数来确定聚类效果参数， 并通过所述聚类效果参数来 判定聚类效果， 其中， 所述成员参数至少包括以下之一： 所述标记成员、 所述预测类内成员、 所述实际类内成员， 所述聚类效果参数至少包括以下之一： 准确率、 召回率、 F值。 如有两个 实际类内成员ID： u1,u2,u3、 u5,u6， 通过数据库查询得到u1,u2属于类c1， u3属于类c2， u5,u6属于类c3， 通过查询c1、 c2得到其成员分别是u1,u2， u3,u4， 查询c3得到其成员是 u5,。

38、u6， 则最终返回的预测类内成员ID为以下二维列表u1,u2,u3,u4,u5,u6， 进而可以获取成员参数和聚类效果参数， 通过聚类效果参数来获取一种或者多种评价标 准， 并通过该评价标准对聚类效果进行评价， 从而便于检测相关指标、 衡量算法、 阈值是否 达到要求， 提供评价方式或者检测结果， 能够更好地优化算法、 调整阈值。 0099 可选的， 所述多维查询处理的步骤包括： 当所述预测类内成员的成员数量小于或 者等于n时， 查询各个预测类内成员所对应的类号， 其中， n2且n为正整数。 0100 可选的， 获取所述预测类内成员对应的类号， 通过所述预测类内成员的类号分别 获取对应的实际类内。

39、成员的步骤包括： 0101 通过各个预测类内成员所对应的类号确定不同的类号， 并通过不同的类号分别获 取对应的实际类内成员。 0102 可选的， 所述多维查询处理的步骤包括： 当所述预测类内成员的数量大于n时， 查 询其中m个预测类内成员所对应的类号， 其中， 其中， nm1， n和m为正整数。 0103 可选的， 获取所述预测类内成员对应的类号， 通过所述预测类内成员的类号分别 获取对应的实际类内成员的步骤包括： 0104 通过m个预测类内成员所对应的类号确定不同的类号， 并通过不同的类号分别获 取对应的实际类内成员； 0105 当m个预测类内成员存在于所述标记成员的类中时， 将m个预测类内。

40、成员从所述预 测类内成员中删除。 0106 可选的， 当m个预测类内成员不存在于所述标记成员的类中时， 判断所述预测类内 成员是否完成查询， 当完成查询时， 通过成员参数来确定聚类效果参数， 当未完成查询时， 查询所述预测类内成员的类号。 0107 可选的， 将m个预测类内成员从所述预测类内成员中删除的步骤之后， 判断所述预 测类内成员是否都完成查询， 当完成查询时， 通过成员参数来确定聚类效果参数， 当未完成 查询时， 查询预测类内成员的类号。 0108 可选的， 所述聚类效果参数包括所述召回率和所述准确率， 通过所述标记成员与 所述预测类内成员之间的数量关系来确定所述召回率或者所述准确率。。

41、 0109 可选的， 所述聚类效果参数包括所述召回率和所述准确率， 通过所述标记成员的 元素与所述预测类内成员的元素之间的数量关系来确定所述召回率或者所述准确率， 其 中， 所述标记成员的元素为所述标记成员所对应的类的二维列表的元素， 所述预测类内成 员的元素为所述预测类内成员所对应的类的二维列表的元素。 0110 可选的， 所述聚类效果参数包括所述召回率和所述准确率， 通过所述标记成员所 对应的类号与所述预测类内成员所对应的类号之间的数量关系来确定所述召回率或者所 述准确率。 说明书 7/10 页 11 CN 112036344 A 11 0111 可选的， 所述聚类效果参数包括所述F值， 。

42、通过所述召回率与所述准确率之积、 所 述召回率与所述准确率之和的数量关系获取F值。 0112 一种设备， 包括： 一个或多个处理器； 和其上存储有指令的一个或多个机器可读介 质， 当所述一个或多个处理器执行时， 使得所述设备执行一个或多个所述的方法。 0113 一个或多个机器可读介质， 其上存储有指令， 当由一个或多个处理器执行时， 使得 设备执行一个或多个所述的方法。 0114 本申请实施例还提供了一种设备， 该设备可以包括： 一个或多个处理器； 和其上存 储有指令的一个或多个机器可读介质， 当由所述一个或多个处理器执行时， 使得所述设备 执行图1所述的方法。 在实际应用中， 该设备可以作为。

43、终端设备， 也可以作为服务器， 终端设 备的例子可以包括： 智能手机、 平板电脑、 电子书阅读器、 MP3(动态影像专家压缩标准语音 层面3， Moving Picture Experts Group Audio Layer III)播放器、 MP4(动态影像专家压 缩标准语音层面4， Moving Picture Experts Group Audio Layer IV)播放器、 膝上型便携 计算机、 车载电脑、 台式计算机、 机顶盒、 智能电视机、 可穿戴设备等等， 本申请实施例对于 具体的设备不加以限制。 0115 本申请实施例还提供了一种非易失性可读存储介质， 该存储介质中存储有一个或。

44、 多个模块(programs)， 该一个或多个模块被应用在设备时， 可以使得该设备执行本申请实 施例的图4中数据处理方法所包含步骤的指令(instructions)。 0116 图5为本申请一实施例提供的终端设备的硬件结构示意图。 如图所示， 该终端设备 可以包括： 输入设备1100、 第一处理器1101、 输出设备1102、 第一存储器1103和至少一个通 信总线1104。 通信总线1104用于实现元件之间的通信连接。 第一存储器1103可能包含高速 RAM存储器， 也可能还包括非易失性存储NVM， 例如至少一个磁盘存储器， 第一存储器1103中 可以存储各种程序， 用于完成各种处理功能以及。

45、实现本实施例的方法步骤。 0117 可选的， 上述第一处理器1101例如可以为中央处理器(Central Processing Unit， 简称CPU)、 应用专用集成电路(ASIC)、 数字信号处理器(DSP)、 数字信号处理设备 (DSPD)、 可编程逻辑器件(PLD)、 现场可编程门阵列(FPGA)、 控制器、 微控制器、 微处理器或 其他电子元件实现， 该第一处理器1101通过有线或无线连接耦合到上述输入设备1100和输 出设备1102。 0118 可选的， 上述输入设备1100可以包括多种输入设备， 例如可以包括面向用户的用 户接口、 面向设备的设备接口、 软件的可编程接口、 摄像头。

46、、 传感器中至少一种。 可选的， 该 面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、 还可以是用于 设备与设备之间进行数据传输的硬件插入接口(例如USB接口、 串口等)； 可选的， 该面向用 户的用户接口例如可以是面向用户的控制按键、 用于接收语音输入的语音输入设备以及用 户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、 触控板等)； 可选 的， 上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口， 例如芯片的输入 引脚接口或者输入接口等； 输出设备1102可以包括显示器、 音响等输出设备。 0119 在本实施例中， 该终端设备的处理器包括用于执行各。

47、设备中语音识别装置各模块 的功能， 具体功能和技术效果参照上述实施例即可， 此处不再赘述。 0120 图6为本申请的一个实施例提供的终端设备的硬件结构示意图。 图6是对图5在实 现过程中的一个具体的实施例。 如图所示， 本实施例的终端设备可以包括第二处理器1201 说明书 8/10 页 12 CN 112036344 A 12 以及第二存储器1202。 0121 第二处理器1201执行第二存储器1202所存放的计算机程序代码， 实现上述实施例 中图4所述方法。 0122 第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。 这些数 据的示例包括用于在终端设备上操作的任何应用程序。

48、或方法的指令， 例如消息， 图片， 视频 等。 第二存储器1202可能包含随机存取存储器(random access memory， 简称RAM)， 也可能 还包括非易失性存储器(non-volatile memory)， 例如至少一个磁盘存储器。 0123 可选地， 第二处理器1201设置在处理组件1200中。 该终端设备还可以包括： 通信组 件1203， 电源组件1204， 多媒体组件1205， 语音组件1206， 输入/输出接口1207和/或传感器 组件1208。 终端设备具体所包含的组件等依据实际需求设定， 本实施例对此不作限定。 0124 处理组件1200通常控制终端设备的整体操作。。

49、 处理组件1200可以包括一个或多个 第二处理器1201来执行指令， 以完成上述数据处理方法中的全部或部分步骤。 此外， 处理组 件1200可以包括一个或多个模块， 便于处理组件1200和其他组件之间的交互。 例如， 处理组 件1200可以包括多媒体模块， 以方便多媒体组件1205和处理组件1200之间的交互。 0125 电源组件1204为终端设备的各种组件提供电力。 电源组件1204可以包括电源管理 系统， 一个或多个电源， 及其他与为终端设备生成、 管理和分配电力相关联的组件。 0126 多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。 在一 些实施例中， 显示屏可以。

50、包括液晶显示器(LCD)和触摸面板(TP)。 如果显示屏包括触摸面 板， 显示屏可以被实现为触摸屏， 以接收来自用户的输入信号。 触摸面板包括一个或多个触 摸传感器以感测触摸、 滑动和触摸面板上的手势。 所述触摸传感器可以不仅感测触摸或滑 动动作的边界， 而且还检测与所述触摸或滑动操作相关的持续时间和压力。 0127 语音组件1206被配置为输出和/或输入语音信号。 例如， 语音组件1206包括一个麦 克风(MIC)， 当终端设备处于操作模式， 如语音识别模式时， 麦克风被配置为接收外部语音 信号。 所接收的语音信号可以被进一步存储在第二存储器1202或经由通信组件1203发送。 在一些实施例。