“杨易扬”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果8个，建议您升级VIP下载更多相关专利

[发明专利]一种基于k近邻密度支配域代表团的密度峰值聚类方法-CN202310268227.3在审
发明人： 杨易扬;吕鸿章;杨戈平;巩志国;蔡瑞初;郝志峰;陈炳丰 -专利权人：广东工业大学
申请日： 2023-03-17 - 公布日： 2023-07-04 - 主分类号： G06F18/2321 文献下载
摘要：本发明涉及密度峰值聚类技术领域，公开了一种基于k近邻密度支配域代表团的密度峰值聚类方法，通过使用支配域的密度和支配域间的支配距离快速获得簇心密度支配域，再利用支配关系构建的密度支配树，以K个簇心密度支配域为聚类中心，由上到下实现聚类，实现指定数目为K的聚类，同时以采样中心峰值区域作为密度峰值处产生的代表团，估计边缘节点数量，组成支配域代表团，提升代表点代能力，能够代表一个密度支配域的分布状况，本发明在不失密度支配域的快速聚类特征同时，也保证了聚类质量，更满足指定数目为K的聚类需求，关键参数也只有一个近邻数k，操作方便，对聚类分析工作具有一定的实用性。
一种基于近邻密度支配代表团峰值方法

[发明专利]一种基于图神经网络的大规模数据可视化降维方法-CN202011258545.4有效
发明人： 杨易扬;张景彬;任成森;巩志国;蔡瑞初;郝志峰;陈炳丰 -专利权人：广东工业大学
申请日： 2020-11-12 - 公布日： 2023-05-30 - 主分类号： G06F16/904 文献下载
摘要：本发明提出一种基于图神经网络的可视化降维方法，涉及深度学习、大规模数据处理的技术领域，解决了现有降维技术中，模型无法进行大规模数据训练、非参数式可视化降维模型无法处理未知数据点的可视化以及参数式可视化降维模型的可视化结果差的问题，对获取后的高维数据集进行划分和预处理后，构建异构图，建立GNN图神经网络模型，并确认损失函数，然后训练，训练完成后进行测试，损失函数面向高维大规模数据进行可视化降维，采用子图负采样的思想进行了创新训练，减少了模型的训练成本，且能把数据的维度降低，但保持住相当一部分的高维数据信息，使得后续的数据分析与处理变得更有意义且容易。
一种基于神经网络大规模数据可视化方法

[发明专利]一种基于密度子图估计的快速聚类方法、计算机设备及存储介质-CN202011060417.9有效
发明人： 杨易扬;郑喜臣;任成森;巩志国;蔡瑞初;郝志峰;陈炳丰 -专利权人：广东工业大学
申请日： 2020-09-30 - 公布日： 2022-03-04 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及机器学习技术领域，为克服上述现有技术所述的不能确定簇的质心、计算成本大、在聚类过程中出现过分割的缺陷，提出一种基于密度子图估计的快速聚类方法、计算机设备及存储介质，其中，基于密度子图估计的快速聚类方法包括以下步骤：获取样本，对样本进行预处理后组成数据集；对数据集中各个样本进行密度值估计，构建密度子图集合；从密度子图集合中找出每个密度子图的密度最高点作为该密度子图的代表点，把代表点对应的样本组成候选集；计算候选集中每个样本的重要值；将候选集根据重要值进行降序排序，选择前K个样本作为K个簇的质心；对候选集中非质心的样本进行归类，输出得到聚类结果。
一种基于密度估计快速方法计算机设备存储介质

[发明专利]一种谱聚类加速方法、系统、计算机设备及存储介质-CN202110560658.8在审
发明人： 杨易扬;杨戈平;巩志国;蔡瑞初;郝志峰;陈炳丰 -专利权人：广东工业大学
申请日： 2021-05-21 - 公布日： 2021-07-23 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种谱聚类加速方法、系统、计算机设备及存储介质，解决了当前谱聚类方法中，优秀锚点选取和K均值计算耗时长的问题，本发明提出一种谱聚类加速方法、系统、计算机设备及存储介质，相对于传统近似谱聚类通过选取的锚点和原始数据点构建的稀疏表示矩阵Z构建ZZT来近似表示拉普拉斯图矩阵，然后获得其相对应的特征向量进行K均值聚类，获得最终聚类结果矩阵的方法，本发明不须最后的K均值聚类，实际在待谱聚类的原始数据规模较大时，K均值聚类耗费时间长，本发明将K均值运算规模从所有点变成了锚点，减少优秀锚点的获取时间，在保证一定准确率的前提下，减少谱聚类近似算法计算时间，特别是大规模谱聚类问题，能大幅减少运算时间。
一种谱聚类加速方法系统计算机设备存储介质

[发明专利]一种无监督的超图聚类方法-CN202011085687.5在审
发明人： 杨易扬;邓苏城;任成森;巩志国;蔡瑞初;郝志峰;陈炳丰 -专利权人：广东工业大学
申请日： 2020-10-12 - 公布日： 2021-02-19 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种无监督的超图聚类方法，包括以下步骤：S1：获取具有属性的样本数据，并对其进行预处理；S2：构建超图以及超图的实例矩阵；S3：构建超边拉普拉斯矩阵并获取超边拉普拉斯矩阵的特征向量以及特征值；S4：对超边拉普拉斯矩阵的特征向量进行特征还原得到超图拉普拉斯矩阵的特征向量；S5：将超图拉普拉斯矩阵的特征向量作为指示向量输入到k均值算法进行顶点聚类，得到超图的顶点聚类结果，完成超图聚类。本发明提供一种无监督的超图聚类方法，通过使用超边拉普拉斯矩阵的特征向量进行还原解决超图聚类问题，避免了直接计算超图拉普拉斯矩阵的特征向量，解决了传统超图谱聚类模型具有较高的时间复杂度以及空间复杂度的问题。
一种监督超图方法

[发明专利]一种基于图神经网络节点特征传播优化的文本分类方法-CN202011033194.7在审
发明人： 杨易扬;任成森;巩志国;蔡瑞初;郝志峰;陈炳丰 -专利权人：广东工业大学
申请日： 2020-09-27 - 公布日： 2021-01-01 - 主分类号： G06F16/33 文献下载
摘要：本发明提出一种基于图神经网络节点特征传播优化的文本分类方法，解决了现有文本分类方法不能兼顾分类准确度和分类效率的问题，包括:获取文本数据集，构成以文本节点、单词节点为基础的二元异构图，利用二元异构图形成对应的邻接矩阵A；将邻接矩阵A拆解，构建图神经网络节点特征传播优化模型；对图神经网络节点特征传播优化模型进行训练；利用训练好的图神经网络节点特征传播优化模型对文本数据集进行分类。本发明将文本分类问题转换为节点分类问题，在保持节点分类的准确度下，提高节点特征传播的效率，从而提高文本分类的速度，同时减少文本标注数量，从而减少标注成本。
一种基于神经网络节点特征传播优化文本分类方法

[发明专利]一种基于位置服务的旅游推荐方法-CN201510819258.9在审
发明人：成英超;郝志峰;蔡瑞初;温雯;王丽娟;杨易扬 -专利权人：广东工业大学
申请日： 2015-11-20 - 公布日： 2016-05-04 - 主分类号： G06Q50/14 文献下载
摘要：本发明提出了一种基于位置服务的旅游推荐方法，包括步骤1，获取实体轨迹-事件信息，以三维张量对实体信息进行用户-位置-活动关联建模；步骤2，记录用户轨迹-事件信息，步骤3，通过用户类比进行相似度匹配，主动推送较高相似度用户轨迹-事件信息，其中，用户轨迹-事件信息(来自于手机、运动手环、运动手表的位置信息)整合后，匹配相关用户轨迹-事件信息，并实施推送。本发明提出的方法，为集成海量用户数据并用协同过滤算法在不同位置找出相似的用户和活动，用张量对用户-位置-活动之间的相互关系建模并提出一个正则化张量/矩阵分解算法，该算法可以有效缓解单个用户移动位置数据的稀疏性问题，挖掘用户的移动模式。
一种基于位置服务旅游推荐方法

[实用新型]一种底托-CN201320797871.1有效
发明人： 杨易扬 -专利权人：天津赛通供应链管理有限公司
申请日： 2013-12-04 - 公布日： 2014-07-09 - 主分类号： B65D19/38 文献下载
摘要：本实用新型涉及包装技术领域，具体涉及一种底托。所述底托包括一矩形体的支撑部，所述支撑部的一下端设有高度一致的第一支撑脚、第二支撑脚，所述第一支撑脚与所述第二支撑脚沿所述支撑部的对角线设置于所述支撑部的下端对角处。本实用新型通过在支撑部的一下端设有高度一致的第一支撑脚、第二支撑脚，所述第一支撑脚与所述第二支撑脚沿所述支撑部的对角线设置于所述支撑部的下端对角处，这样可以实现该底托与底板组合成托盘使用，也可以用两个这样的底托相上、下扣合形成一个底托件堆码使用。
一种

1
共 8 条