“聚类中心”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果2278512个，建议您升级VIP下载更多相关专利

[发明专利]一种基于樽海鞘群算法优化的模糊C均值聚类方法-CN202011294923.4在审
发明人：严忠贞;江元璋;周可薇;张军;张俊杰;严赛男;朱信远;陈豪 -专利权人：湖北工业大学
申请日： 2020-11-18 - 公布日： 2021-02-19 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于樽海鞘群算法优化的模糊C均值聚类方法，该方法包括：初始化该优化算法参数，预处理待聚类的数据集；构建目标函数，即对可行解的评价函数；对目标函数进行最优值求解，得到最优值并确定对应的最优初始聚类中心；根据最优初始聚类中心进行模糊C均值聚类，最终得到聚类结果。采用本发明方法或系统对模糊C均值聚类进行基于樽海鞘群算法的初始聚类中心优化，解决了模糊聚类效果极易受随机初始聚类中心的影响。
一种基于海鞘算法优化模糊均值方法

[发明专利]数据聚类方法、相关设备及存储介质-CN202110382245.5有效
发明人：郭卉 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-04-09 - 公布日： 2021-07-06 - 主分类号： G06F16/45 文献下载
摘要：本申请实施例公开了一种数据聚类方法、相关设备及存储介质，方法包括：在调用目标模型提取目标数据集中每个多媒体数据的数据特征后，根据所述每个多媒体数据的数据特征，确定所述目标数据集新产生的P个候选聚类中心；采用所述P个候选聚类中心对多个历史聚类中心进行更新，得到多个目标聚类中心；基于所述每个多媒体数据和每个目标聚类中心之间的关联性，对所述目标数据集进行聚类处理，得到聚类结果；并根据所述聚类结果优化所述目标模型的模型参数；迭代上述过程，直至所述目标模型达到收敛；将所述目标模型达到收敛时的聚类结果，作为所述目标数据集的目标聚类结果。本申请实施例可以更好地进行聚类处理，提升聚类结果的准确性。
数据方法相关设备存储介质

[发明专利]一种分布式储能聚合控制的方法及装置-CN202211383852.4在审
发明人：杨春来;殷喆;高峰;庆宏阳;何浩;李剑锋;柴秀慧;袁晓磊 -专利权人：国网河北省电力有限公司电力科学研究院;国家电网有限公司;国网河北能源技术服务有限公司;燕山大学
申请日： 2022-11-07 - 公布日： 2023-03-07 - 主分类号： G06F18/23213 文献下载
摘要：本发明公开了一种分布式储能聚合控制的方法及装置，涉及储能控制技术领域；方法包括获得储能节点，获得聚类组别上限值，聚类组别从1至聚类组别上限取值分别计算获得聚类中心以及相应的类内距离和类间距离，基于每一聚类组别下调节因子的值获得一个调节因子，代入均衡化评价函数，当均衡化评价函数有最小值时获得最优聚类组别，将最优聚类组别作为初始聚类中心的数目，将最优聚类组别相应的聚类中心作为初始聚类中心，输入聚合控制算法实现聚合控制；装置包括聚合控制模块；当均衡化评价函数有最小值时相应获得分布式储能聚合控制中的初始聚类中心及数目。
一种分布式聚合控制方法装置

[发明专利]文本话术聚类方法、装置、计算机设备及存储介质-CN202310573870.7在审
发明人：赖勇铨;陈步闲;龙珊 -专利权人：平安科技（深圳）有限公司
申请日： 2023-05-19 - 公布日： 2023-07-25 - 主分类号： G06F16/35 文献下载
摘要：本申请涉及人工智能技术领域，公开了一种文本话术聚类方法、装置、计算机设备及存储介质。所述方法包括：获取待聚类文本数据，将所述待聚类文本数据随机平均分为K组；采用在线贪心算法分别对每组中的文本数据进行组内聚类，得到所述待聚类文本数据的组内聚类结果集；采用在线贪心算法对所述组内聚类结果集中的中心句进行跨组聚类，得到中心句聚类结果集；获取所述中心句聚类结果集的同一聚类簇中各个中心句在所述组内聚类结果集中对应的聚类簇，并将所述聚类簇的聚类成员进行合并，得到所述待聚类文本数据的聚类结果。本申请可以有效提升文本话术的聚类准确度，减少文本话术的聚类耗时，能在合理时间范围内得到优质的聚类结果。
文本话术聚类方法装置计算机设备存储介质

[发明专利]一种自动确定聚类中心的混合属性数据集聚类方法-CN202010110021.4在审
发明人：孙志冉;苏航;梁毅;韩永鹏 -专利权人：北京工业大学
申请日： 2020-02-23 - 公布日： 2020-06-30 - 主分类号： G06K9/62 文献下载
摘要：本发明设计了一种自动确定聚类中心的混合属性数据集聚类方法，针对K‑Prototypes聚类算法中需人为指定初始聚类中心和聚类数目导致算法准确度和稳定性低下的问题，该方法分为初始化、聚类中心点预选取、确定聚类中心点、迭代聚类划分过程这四个步骤。该方法根据数据对象的密度分布，实现类簇个数的自动识别，并选择出初始聚类中心，优化初始选点造成的局部最优问题，另外通过区分每个属性对聚类结果的不同影响权重，改进相异度计算公式，提升了聚类的准确度，达到了更好的聚类效果
一种自动确定中心混合属性数据集聚方法

[发明专利]深度学习模型的训练方法、装置及电子设备-CN201911389998.8在审
发明人：陈杰;倪煜 -专利权人：北京金山云网络技术有限公司
申请日： 2019-12-27 - 公布日： 2020-05-12 - 主分类号： G06F16/906 文献下载
摘要：本发明提供了一种深度学习模型的训练方法、装置及电子设备，该方法包括获取待训练的深度学习模型中各相邻两层之间的层间权重；对层间权重进行聚类处理得到聚类中心权重，建立层间权重与聚类中心权重的对应关系；计算聚类中心权重的梯度；根据聚类中心权重的梯度，更新该聚类中心权重，并根据对应关系更新层间权重，以根据更新后的层间权重训练深度学习模型；继续执行根据聚类中心权重的梯度，更新该聚类中心权重的步骤，直至满足预设的训练终止条件，得到训练完成的深度学习模型本发明通过对模型的层间权重进行聚类处理，在模型训练过程中，以聚类中心权重的更新代替层间权重的更新，可以减少权重更新的操作，从而减少模型训练的时间。
深度学习模型训练方法装置电子设备

[发明专利]一种孕妇睡姿检测方法及装置-CN201911055316.X有效
发明人：邓元策 -专利权人：瞬联软件科技（北京）有限公司
申请日： 2019-10-31 - 公布日： 2022-07-22 - 主分类号： A61B5/11 文献下载
摘要：本发明公开了一种孕妇睡姿检测方法，包括如下步骤：(1)在压力传感器阵列中，建立二维直角坐标系；获取压力传感器阵列的负向压力边界、正向压力边界和压力中轴；(2)采集压力传感器阵列的压力信号分布；(3)通过基于聚类的压力信息提取，获取聚类中心数和聚类中心；(4)根据聚类中心数及聚类中心的坐标，判断孕妇睡姿。上述孕妇睡姿检测方法，基于压力传感器阵列和聚类算法计算聚类中心数和聚类中心，并根据聚类中心数及聚类中心的坐标，判断孕妇睡姿，算法简单，收敛迅速，具有很好的容错性。
一种孕妇睡姿检测方法装置

[发明专利]种子霉变检测方法、装置、设备及存储介质-CN202210880201.X在审
发明人：曾山;康镇;盛钟尹;黄天晨;李皞 -专利权人：武汉轻工大学
申请日： 2022-07-25 - 公布日： 2022-11-29 - 主分类号： G06V10/762 文献下载
摘要：本发明通过获取高光谱图像的特征数据集，对特征数据集进行模糊聚类，得到第一聚类中心，对第一聚类中心中的特征数据集进行谱聚类，得到第二聚类中心，根据第二聚类中心进行分类，得到霉变种子分类结果。通过对获取到的高光谱的特征数据集中的数据进行模糊聚类，得到第一聚类中心，使高光谱的特征数据集中的数据从非团状数据转变为团状数据，大幅度降低了数据量，使得能够使用原本不能够对大量数据进行处理的谱聚类算法实现对第一聚类中心的聚类，得到第二聚类中心，在这一过程中保证了聚类的准确性，进而使得在进行种子霉变分类时，得到的结果是更准确的。
种子霉变检测方法装置设备存储介质

[发明专利]一种车道检测方法、装置及计算机可读存储介质-CN202111043369.7有效
发明人：马聪 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-09-07 - 公布日： 2021-12-17 - 主分类号： G06K9/00 文献下载
摘要：本申请实施例公开了一种车道检测方法、装置及计算机可读存储介质，本申请实施例可以使用于高精地图或自动驾驶等领域，通过采集预设数量的目标轨迹数据；根据目标轨迹数据的分布状态确定初始聚类中心线；基于初始聚类中心线对目标轨迹数据进行聚类处理，得到聚类处理后的目标聚类中心线；基于目标聚类中心线确定待检测车辆所属的目标车道。以此，可以通过采集的预设数量的目标轨迹数据的分布状态，快速确定初始聚类中心线，并基于初始聚类中心线进行目标轨迹数据的聚类处理，得到准确的目标聚类中心线，进而根据目标聚类中心线快速判断待检测车辆所属的目标车道
一种车道检测方法装置计算机可读存储介质

[发明专利]一种基于平均共识算法的物联网环境下分布式软聚类方法-CN202010131908.1有效
发明人：赵生捷;余豪;史清江;张荣庆 -专利权人：同济大学
申请日： 2020-02-29 - 公布日： 2022-06-14 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于平均共识算法的物联网环境下分布式软聚类方法，具体步骤如下：步骤S1：获取目标物联网节点所在的拓扑网络，将分布式数据集、聚类数目、模糊系数和停止准则参数输入至拓扑网络；步骤S2：初始化分布式数据集的集合元素，计算出目标物联网节点的初始聚类中心；步骤S3：计算分布式数据集到初始聚类中心的分配矩阵；步骤S4：根据分配矩阵，计算目标物联网节点内的聚类中心，并通过平均共识算法获得全局聚类中心；步骤S5：重复步骤S1‑S4，迭代更新全局聚类中心，根据停止准则参数对当前全局聚类中心与上一轮的全局聚类中心进行判断，输出最终全局聚类中心。与现有技术相比，本发明具有能有效提高聚类结果的质量和算法的稳定性等优点。
一种基于平均共识算法联网环境分布式软聚类方法

[发明专利]基于复合聚类算法的电力居民用户日负荷曲线聚类方法-CN201910983879.9在审
发明人：游文霞;金之榆 -专利权人：三峡大学
申请日： 2019-10-16 - 公布日： 2020-02-11 - 主分类号： G06F16/55 文献下载
摘要：基于复合聚类算法的电力居民用户日负荷曲线聚类方法，获取电力居民用户日负荷数据，该数据包含有P个样本，每个样本有Q个时间点属性的数据集矩阵；对电力居民用户日负荷数据进行预处理，获得初始群集；对初始群集进行降维处理，获得降维群集；采用聚类算法1对降维群集进行初步聚类，得到初始聚类中心；采用聚类算法2对聚类算法1得到的初始聚类中心进行聚类，并使用聚类有效性指标，对聚类结果进行评估，最终得到M个聚类中心；采用得到的M个聚类中心，作为聚类算法2的初始聚类中心，对数据进行聚类，获得行为相似的用户群。本发明把庞大零散的日负荷数据聚类成行为相似的用户群。电力企业管理人对聚类成的用户群进行分析，可以更好地预测用电量高峰和低谷，为电力业务的管理提供更可靠地方法。
聚类聚类算法日负荷群集初始聚类中心居民用户用户群聚类中心降维样本预处理数据集矩阵有效性指标电力企业降维处理聚类结果数据聚类时间点数据包用电量低谷复合评估预测高峰分析管理

[发明专利]基于SLIC算法的超像素分割方法-CN201610825379.9在审
发明人：谷延锋;王腾飞 -专利权人：哈尔滨工业大学
申请日： 2016-09-14 - 公布日： 2017-02-08 - 主分类号： G06T7/11 文献下载
摘要：一种基于SLIC算法的超像素分割方法，将多波段图像转换到CIE‑LAB彩色空间的图像；按照设定的超像素个数，在CIE‑LAB彩色空间的图像内初始化聚类中心；在设定的n*n领域范围内打乱聚类中心，形成新的聚类中心；按照各点与新的聚类中心的设定距离计算，为每个新的聚类中心分配匹配点；计算新的聚类中心与之前得聚类中心的距离值L1，并判断L1的值是否小于设定的阈值，若是，则返回步骤三重新打乱聚类中心，否则，继续进行新的聚类中心与之前得聚类中心的距离值
基于 slic 算法像素分割方法

[发明专利]聚类中心选取方法和系统-CN201310418577.X有效
发明人：赵秀洁;刘媛;刘振华;刘殿超;师忠超 -专利权人：株式会社理光
申请日： 2013-09-13 - 公布日： 2017-10-10 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种聚类中心选取方法和系统。所述聚类中心选取方法包括接收原始灰度图像；获取灰度图像对应的初始视差图；计算像素点的运动信息；基于运动信息、灰度值以及坐标的各自的最大值与最小值形成的两个特征向量作为两个初步聚类中心，对图像进行初步聚类；计算特征向量的平均值来更新对应类的聚类中心；针对采用平均值更新的聚类中心，通过遍历所有像素点，利用最大最小算法确定新增聚类中心；以初始视差图的视差值作为指导，执行聚类处理；以及确定聚类结果是否出现收敛
中心选取方法系统

[发明专利]一种基于半监督约束的人工蜂群优化聚类方法-CN202310412843.1在审
发明人：邱宁佳;胡小娟;张彬;王鹏 -专利权人：长春理工大学
申请日： 2023-04-18 - 公布日： 2023-09-29 - 主分类号： G06F18/23 文献下载
摘要：本发明公开了一种基于半监督约束的人工蜂群优化聚类方法，本方法首先使用有标记数据生成成对约束指导邻接矩阵生成，完善邻接矩阵信息提高谱聚类准确率；然后结合人工蜂群算法，提出区域优化搜索提高查找数据聚类中心速度，重构人工蜂群算法适应度函数提高查找数据聚类中心精确度，利用人工蜂群算法寻找到合理的聚类中心；最后使用K‑means算法结合拉普拉斯矩阵和优化后的聚类中心完成聚类工作，通过UCI数据集的聚类算法对比实验结果发现，该算法能够在较短的时间找到合理的聚类中心点，进而得到更精确的聚类结果，具有鲁棒性好、精度高和聚类效果好的特点。
一种基于监督约束人工蜂群优化方法

[发明专利]基于用户行为分析的子群发现方法-CN201810560998.9在审
发明人：杨悦;王巧红;刘卓;杨静;张健沛;初妍;马潇阳 -专利权人：哈尔滨工程大学
申请日： 2018-06-04 - 公布日： 2018-10-30 - 主分类号： G06F17/30 文献下载
摘要：输入；设定阈值，构建聚类中心的数据池D1；从D1中选取任意样本作为初始C1；计算每个样本与当前已有聚类中心之间的最大交互强度即联系最为密切的一个聚类中心之间的联系强度；计算每个样本被选做下一个聚类中心的可能性,按照可能性大小优先计算与D1内各节点间的权重，值大者作为一个聚类中心；选择出k个聚类中心；针对样本集中每个样本x,计算它到k个聚类中心的交互强度，并将它分到交互强度最大的聚类中心所对应的类中；重新计算他们的聚类中心，与D中数据的交互强度直到聚类中心不再变化；输出簇划分。本发明可明显减少中心点选取时的迭代次数，使得子群的划分更加稳定准确。
聚类中心样本子群用户行为分析重新计算数据池中心点迭代构建权重发现输出