基于K均值聚类的数据识别方法、系统、设备及存储介质

本发明提供了一种基于K均值聚类的数据识别方法、系统、设备及存储介质，包括：对输入的数据集进行清洗和标准化处理，获得预处理数据；通过遗传算法确定K均值聚类的初始中心；对预处理数据执行K均值聚类，并且执行聚类期间动态调整聚类数目K，获得聚类结果；利用内部评价指标、外部评价指标以及相对评价指标对聚类结果进行评估，去除未达标的聚类结果后，获得待处理聚类结果；基于待处理聚类结果，识别并标记出对深度学习模型训练质量影响最大的数据点，数据点位于聚类中心或密集区域；将识别出的数据点组成训练数据集，供深度学习模型训练使用。利用先进的聚类算法和自动化处理技术，显著提高了处理大数据集的效率和数据识别的精度。