课程学习和强化学习驱动的动态最优自洽聚类方法

本发明提供课程学习和强化学习驱动的动态最优自洽聚类方法，属于大数据处理技术领域，所述方法包括如下，将原始数据张量化张量形式，然后归一化处理得到标准化数据；通过GNN图神经网络或者Transformer框架实现样本间的信息交互；为将样本划分为最少的类别，并保证每个类别内的样本具有一致性，设置动态划分机制进行强化学习；基于课程学习的若干阶段训练策略，首先课程学习的设计，最后动态课程调整。本发明算法能够根据数据集的动态变化实时调整聚类划分，无需重新训练或手动干预，特别适用于用户行为分析、交通流量预测等动态场景。