本发明涉及移动终端
技术领域：
，具体涉及一种智能移动终端。
背景技术：
随着移动终端的发展，对其数据处理能力提出了更高的要求，同时，人们对移动终端的音乐功能提出了更高的要求。如何对音乐数据进行聚类和音量快速调节，成为亟待解决的问题。随着计算机技术的全面普及和高速发展，各领域的数据信息量随之急速增长，获得数据信息的手段越来越丰富，人们对于处理数据的要求也越来越高。如何从大量数据中快速发现隐藏在其中有价值的信息是当今急需要解决的问题。这正是数据挖掘技术研究的核心内容。在数据挖掘中，聚类分析是最成熟且广泛用于处理信息的技术之一，也是人们能够快速从数据中发现有用信息的重要手段之一。聚类分析广泛应用于各学科，如模式识别、图像处理、机器学习以及统计学等，很难统计出具体有多少个学科领域及应用领域要运用聚类技术。易于实现、简单、高效的聚类方法一直是人们研究的重点。技术实现要素：针对上述问题，本发明旨在提供一种智能移动终端。本发明的目的采用以下技术方案来实现：提供了一种智能移动终端，包括数据聚类装置、播放模块和音量调节模块，所述数据聚类装置用于对数据进行聚类处理，所述数据为音频数据，所述播放模块用于对聚类的音频数据进行播放，所述音量调节模块用于调节播放音量的大小，所述音量调节模块包括音量调节板和音量调节单元，所述音量调节板位于移动终端的壳体上，所述音量调节单元位于移动终端壳体内，所述音量调节板和音量调节单元电连接，通过触摸所述音量调节板，将触摸信号传递到所述音量调节单元，所述音量调节单元根据触摸信号对音量进行调节。本发明的有益效果为：提供了一种智能移动终端，实现了音乐数据准确聚类和音量快速调节。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构示意图；附图标记：数据聚类装置1、播放模块2、音量调节模块3。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种智能移动终端，包括数据聚类装置1、播放模块2和音量调节模块3，所述数据聚类装置1用于对数据进行聚类处理，所述数据为音频数据，所述播放模块2用于对聚类的音频数据进行播放，所述音量调节模块3用于调节播放音量的大小，所述音量调节模块3包括音量调节板和音量调节单元，所述音量调节板位于移动终端的壳体上，所述音量调节单元位于移动终端壳体内，所述音量调节板和音量调节单元电连接，通过触摸所述音量调节板，将触摸信号传递到所述音量调节单元，所述音量调节单元根据触摸信号对音量进行调节。本实施例提供了一种智能移动终端，实现了音乐数据准确聚类和音量快速调节。优选的，所述数据聚类装置1包括数据采集模块、聚类模块、聚类评价模块和反馈模块，所述数据采集模块用于对待聚类数据进行采集，所述聚类模块用于对数据进行聚类，获取数据聚类结果，所述聚类评价模块用于对根据数据聚类结果对所述聚类模块的聚类效果进行评价，获取评价结果，所述反馈模块用于将评价结果反馈给聚类模块；本优选实施例实现了数据的采集、聚类以及对聚类效果的评价，通过将评价结果反馈给聚类模块，便于对聚类模块进行改进。优选的，所述聚类模块包括第一聚类模块、第二聚类模块和融合聚类模块，所述第一聚类模块用于对数据进行一次聚类，获取一次聚类结果，所述第二聚类模块用于对数据进行二次聚类，获取二次聚类结果，所述融合聚类模块用于对所述一次聚类结果和二次聚类结果进行融合，获取数据聚类结果；所述第一聚类模块用于对数据进行一次聚类，获取一次聚类结果，具体为：设采集的数据集合为s＝{s1,s2,…,sn}，n表示数据的个数，将数据划分为m个互不相交的簇z1,z2,…,zm，选定m个初始点，采用下式确定聚类准则：式中，e1(s1,s2,…,sm)表示第一聚类函数，表示簇中的各数据si到簇中心数据ck的欧式距离平方和，表示簇内误差，si为数据集中的元素，i＝1,2,…,n，zk表示第k个簇，k＝1,2,…,m，求取e1(s1,s2,…,sm)的最小化结果，将e1(s1,s2,…,sm)最小化结果作为一次聚类结果；所述m个初始点采用以下方式选取：假定数据聚类数目为1，此时，m＝1，将数据集合的中心作为初始点；假定数据聚类数目为2，此时，m＝2，进行n次k-均值运算，每一次进行k-均值运算的初始点通过以下方式选择：第一个初始点总是m＝1时数据集合的中心，在第i(i＝1,2,…,n)次运行时第二个初始点为数据si(i＝1,2,…,n，在进行n次k-均值运算后，选择使得簇中的各数据到簇中心数据的欧式距离平方和最小的数据点作为最终的第二个初始点；依此类推，得到最终的m个初始点；所述第二聚类模块用于对数据进行二次聚类，获取二次聚类结果，具体为：设采集的数据集合为s＝{s1,s2,…,sn}，n表示数据的个数，将数据划分为m个互不相交的簇z1,z2,…,zm，根据一次聚类结果对聚类的簇进行检测，若发现只包含一个数据的簇，则在数据集中删除此数据点，采用以下方式确定m个初始点：假定数据聚类数目为1，此时，m＝1，将数据集合的中心作为初始点；假定数据聚类数目为2，此时，m＝2，进行n-1次k-均值运算，每一次进行k-均值运算的初始点通过以下方式选择：第一个初始点总是m＝1时数据集合的中心，在第i(i＝1,2,…,n-1次运行时第二个初始点为数据si(i＝1,2,…,n-1，在进行n次k-均值运算后，选择使得簇中的各数据到簇中心数据的欧式距离平方和最小的数据点作为最终的第二个初始点；依此类推，得到最终的m个初始点；采用下式确定聚类准则：式中，e2(s1,s2,…,sm)表示第二聚类函数，表示簇中的各数据si到簇中心数据ck的欧式距离平方和，表示簇内误差，si为数据集中的元素，i＝1,2,…,n，zk表示第k个簇，k＝1,2,…,m，求取e2(s1,s2,…,sm)的最小化结果，将e2(s1,s2,…,m)最小化结果作为二次聚类结果；所述融合聚类模块用于对所述一次聚类结果和二次聚类结果进行融合，获取数据聚类结果，具体为：若一次聚类结果和二次聚类结果相同，则将一次聚类结果作为数据聚类结果，若一次聚类结果和二次聚类结果不同，则将二次聚类结果作为数据聚类结果；本优选实施例实现了数据的准确聚类，获取了全局的最优聚类结果，在对数据进行一次聚类和二次聚类的基础上进行融合聚类，提高了准确性的同时提高了聚类效率。优选的，所述聚类评价模块用于对聚类效果进行评价，具体为：根据簇内数据之间的接近程度和簇与簇之间距离的大小对聚类效果进行评价，所述簇内数据之间的接近程度用簇内数据的方差衡量，方差越小，簇内数据之间越接近，聚类效果越好，所述簇与簇之间距离的大小用某一簇的平方和与整个数据集的平方和之比衡量，比值越大，簇与簇之间的距离越大，聚类效果越好；外部评价准则预先知道数据的所属类别，因而常用于对某类数据选择更适合的聚类算法。而在实际应用中，常常未能获得数据的所属类别，本优选实施例采用簇内数据之间的接近程度和簇与簇之间距离的大小对聚类效果进行评价，简单易行，且评价准确。采用本发明智能移动终端进行音乐数据聚类处理，选取5个移动终端进行实验，分别为移动终端1、移动终端2、移动终端3、移动终端4、移动终端5，对音乐数据聚类效率和音乐数据聚类准确性进行统计，同现有移动终端相比，产生的有益效果如下表所示：音乐数据聚类效率提高音乐数据聚类准确性提高移动终端129％27％移动终端227％26％移动终端326％26％移动终端425％24％移动终端524％22％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术移动终端应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页12