“聚类”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677479个，建议您升级VIP下载更多相关专利

[发明专利]一种分布核聚类方法、装置、设备及存储介质-CN202310747492.X在审
发明人：陈开明;张航;许洋 -专利权人：南京大学
申请日： 2023-06-21 - 公布日： 2023-09-19 - 主分类号： G06F18/23 文献下载
摘要：本发明公开了一种分布核聚类方法、装置、设备及存储介质，属于数据处理技术领域。包括以下步骤：输入数据集D，集群个数k，样本大小s以及相似度阈值τ；根据相似度阈值找到最大的k个初始聚类核心集；根据初始聚类核心集对应的分布，分配剩余的数据，进行聚类；返回聚类结果，输出#imgabs0#本发明相较于现有技术，其优点在于：分布核聚类方法、装置、设备及存储介质在不使用特征分解的情况下实现谱聚类优化目标，并产生了更好的聚类结果，因为它没有谱聚类的基本限制；分布核聚类方法采用的是一种线性时间算法，运行速度比谱聚类快几个数量级。
一种分布核聚类方法装置设备存储介质

[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]一种基于自动阈值鱼群算法的文本聚类方法-CN201310068725.X有效
发明人：孙健;梁雪芬;徐杰;隆克平;艾丽丽;周云龙;唐明;王晓丽 -专利权人：电子科技大学
申请日： 2013-03-05 - 公布日： 2013-06-05 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于自动阈值鱼群算法的文本聚类方法，通过计算文本特征向量的相似度矩阵，采用相似度矩阵的每行元素获得每个文本的初始等价划分阈值，从而对文本进行初始等价划分，进而确定初始聚类数目和初始聚类中心；结合采用人工鱼群算法，根据全局最优和局部最优信息更新每条人工鱼的状态，以寻找全局最优聚类中心，对初始聚类结果再聚类。由于采用自动获取阈值的方法得到初始聚类数目和初始聚类中心，并通过人工鱼群算法寻找全局最优聚类中心，本发明克服了传统聚类方法对初值敏感、仅依靠局部数据特性等弊端，可提高文本聚类的准确度与智能性。
一种基于自动阈值鱼群算法文本方法

[发明专利]一种数据并行聚类方法及装置-CN201610852780.1有效
发明人：才宇东 -专利权人：华为数字技术（苏州）有限公司
申请日： 2016-09-27 - 公布日： 2020-09-11 - 主分类号： G06F9/38 文献下载
摘要：本发明实施例提供一种数据并行聚类方法及装置，包括：将数据集划分为多个数据子集，为每个数据子集配置一个并行计算节点；分别对各并行计算节点对应的数据子集进行层次聚类处理，生成与所述各并行计算节点对应的聚类树；确定模板聚类树，根据所述模板聚类树调整各聚类树以使得所述各聚类树与所述模板聚类树对齐；将所述模板聚类树和调整后的各聚类树分割为多个子树，为具有对齐关系的子树配置相同的集群标识；根据所述集群标识对各子树进行分类，生成聚类树数组。
一种数据并行方法装置

[发明专利]基于Spark平台采用两次评价的加权选择集成三支聚类方法-CN201710548072.3有效
发明人：于洪;陈云;胡峰;王国胤;胡军 -专利权人：重庆邮电大学
申请日： 2017-07-06 - 公布日： 2021-02-09 - 主分类号： G06K9/62 文献下载
摘要：本发明请求保护一种基于Spark平台采用两次评价的加权选择集成三支聚类方法，主要包括如下步骤：步骤1，对大数据集进行分区和管理并生成对应的弹性分布式数据集(RDD)；步骤2，使用基于Spark的K‑Means聚类算法对每个分区数据进行聚类，生成多个不同的聚类成员；步骤3，通过两次评价，构造新的评价函数以及加权选择策略，对聚类成员进行选择，删除聚类效果不佳的聚类结果，构成新的聚类成员；步骤4，将聚类成员进行集成，构造一个加权的投票矩阵，根据三支决策规则进行聚类划分，得到最终的三支聚类结果。
基于 spark 平台采用两次评价加权选择集成三支聚类方法

[发明专利]基于谱聚类的子空间聚类算法的数据处理方法及装置-CN202010716572.5有效
发明人：高冉;陈花竹;丁箭飞;孙旭明;张洪涛;司马大伟 -专利权人：中原工学院
申请日： 2020-07-23 - 公布日： 2021-09-03 - 主分类号： G06F16/55 文献下载
摘要：本发明公开了一种基于谱聚类的子空间聚类算法的数据处理方法及装置。其中，该方法包括：确定谱聚类算法，确定待处理的数据集合的相似度矩阵的稀疏性正则项，将稀疏性正则项代入谱聚类算法，得到子空间聚类算法，根据子空间聚类算法对待处理的数据集合进行处理。通过谱聚类算法捕获数据的自表示矩阵和指标矩阵之间的自然关系，使数据具有有利于聚类的一些特性，进而通过稀疏性加权值，纳入谱聚类算法，进一步提高聚类的有效性，从而解决了相关技术中没有充分利用相似度矩阵与数据标签之间的关系，聚类性能较差，导致数据处理的效果差的技术问题。
基于谱聚类空间算法数据处理方法装置

[发明专利]一种云制造资源集群k-means聚类方法-CN201810907303.X在审
发明人：苑明海;周灼;蔡仙仙;俞红焱;孙超 -专利权人：河海大学常州校区
申请日： 2018-08-09 - 公布日： 2018-12-21 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种云制造资源集群k‑means聚类方法，包括聚类有效性评估函数的建立，蛙跳算法的改进和k‑means聚类的改进；聚类有效性评估函数由类内距离和类间距离构成，类内距离采用欧式距离，类间距离采用类平均距离；蛙跳算法的改进主要对初始种群进行扩大；k‑means聚类的改进主要是对初始聚簇中心的优化。本发明所提供的一种云制造资源集群k‑means聚类方法，改善了k‑means聚类方法对初始聚类中心敏感的问题，能够对海量复杂的云制造资源集群进行分类，使具有相同属性的云制造资源归为一类，提高了云制造资源使用的效率
聚类资源集制造有效性评估类间距离类内距离蛙跳算法改进初始聚类中心初始种群欧式距离平均距离资源管理资源使用聚簇分类敏感优化

[发明专利]短信聚类方法及装置-CN201610191407.6有效
发明人：汪平仄;张涛;陈志军 -专利权人：北京小米移动软件有限公司
申请日： 2016-03-30 - 公布日： 2019-02-19 - 主分类号： G06F16/35 文献下载
摘要：本公开是关于一种短信聚类方法及装置，方法包括：根据短信集合中任意两个短信之间的相似度，构建短信集合的相似度矩阵；利用预设相似度阈值对相似度矩阵进行层次聚类，得到参考类别数量；确定类别数量，包括：根据参考类别数量确定第一类别数量和第二类别数量；谱聚类过程，包括：将参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对相似度矩阵进行谱聚类，获得短信聚类结果；当短信聚类结果满足预设条件时，将参考类别数量对应的短信聚类结果确定为目标短信聚类结果该方法在对短信集合中的短信进行聚类时，是基于短信的结构相似度，充分考虑了短信句子的结构和语义之间的相似性，所以使得短信进行聚类的准确性提高。
短信方法装置

[发明专利]一种面向多区域大规模特征的匹配方法-CN202011104924.8有效
发明人：黄文丽;解伟荣;程金平;高子昂;胡鹏;杨省 -专利权人：苏州凌图科技有限公司
申请日： 2020-10-15 - 公布日： 2023-08-29 - 主分类号： G06V10/75 文献下载
摘要：其次，采用分区域的类间聚类和类内聚类方法，对提取到的特征进行聚类，得到对应的聚类结果。最后，根据所述聚类结果，对多个区域进行关联连接，以确定所有区域特征都已经过聚类匹配。在经过局部区域类内聚类和类间聚类后能够达到和全局区域特征聚类相同的效果，从而节省了聚类的时间，提高了聚类的效率。
一种面向区域大规模特征匹配方法

[发明专利]用于聚类图像的方法和装置-CN201810059189.X有效
发明人：车丽美 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2018-01-22 - 公布日： 2022-03-04 - 主分类号： G06V40/16 文献下载
摘要：本申请实施例公开了用于聚类图像的方法和装置。该方法的一具体实施方式包括：根据第一图像集合中的图像包括的人脸对象的特征向量，对第一图像集合中的图像执行第一聚类操作；根据第二图像集合中的图像包括的人脸对象的特征向量，对第二图像集合中的图像执行第二聚类操作；对第一聚类操作生成的各个类和第二聚类操作生成的各个类执行第三聚类操作；响应于基于第三聚类操作确定第一聚类操作生成的类和第二聚类操作生成的类中存在待合并的类，确定待合并的类中图像包括的人脸对象的特征向量间的相似度；响应于确定出的相似度大于预设阈值，合并待合并的类。该实施方式提高了图像聚类的准确度。
用于图像方法装置

[发明专利]一种基于AP聚类算法的广义负荷特性聚类方法-CN201510497352.7有效
发明人：梁军;褚壮壮;贠志皓;张旭;张永亮;梁正堂 -专利权人：山东大学
申请日： 2015-08-13 - 公布日： 2017-10-24 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种基于AP聚类算法的广义负荷特性聚类方法，包括以下步骤采集根母线节点风电与广义负荷数据，计算场均速度、波动速度和波动强度；确定波动强度的最小时间长度和聚类时间间隔；将广义负荷节点功率的全部训练样本数据按聚类时间间隔统一分段，构建聚类特征向量；赋予样本数据偏向参数，基于AP聚类算法，以特征向量为指标进行聚类，确定聚类中心；若样本点的聚类中心满足设定聚类条件，则输出聚类结果，否则返回上一步骤，直至得到准确的聚类结果。
一种基于 ap 算法广义负荷特性方法

[发明专利]用于聚类图像的方法和装置-CN201810060006.6有效
发明人：车丽美;翁仁亮 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2018-01-22 - 公布日： 2021-12-10 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例公开了用于聚类图像的方法和装置。该方法的一具体实施方式包括：获取多个用户图像中，每个用户图像的用于指示人脸特征的特征向量；根据所获取的特征向量，对多个用户图像进行聚类；基于预先训练的聚类结果评价模型确定聚类结果中各类的评价指标数据，聚类结果评价模型用于表征聚类结果中，各个类与评价指标数据的对应关系，评价指标数据用于指示聚类结果的准确率；响应于确定出的评价指标数据的值超出预设范围，更新聚类参数以基于更新后的聚类参数对用户图像进行聚类。该实施方式提高了图像聚类的准确度。
用于图像方法装置

[发明专利]MEC环境下多维属性感知的边缘服务二次聚类方法及系统-CN202111205166.3有效
发明人：刘志中;郑禾丹;初佃辉;尚领;孟令强 -专利权人：烟台大学
申请日： 2021-10-15 - 公布日： 2022-04-29 - 主分类号： G06V10/762 文献下载
摘要：本发明属于边缘服务领域，提供了一种MEC环境下多维属性感知的边缘服务二次聚类方法及系统。该方法包括，将边缘服务所在服务器的地理位置与边缘服务器的硬件配置作为一级聚类指标；将服务质量与信誉度作为二级聚类指标；采用基于密度的最小生成树启发式分段聚类算法，依据一级聚类指标，对边缘服务进行一级聚类，得到地理位置相近、服务器质量相似的服务类簇；采用基于密度峰值的层次聚类算法，依据二级聚类指标，对所述地理位置相近、服务器质量相似的服务类簇进行二级聚类，得到边缘服务聚类结果。
mec 环境多维属性感知边缘服务二次方法系统

[发明专利]基于聚类自适应典型相关分析的多视角图像聚类方法-CN202010170499.6有效
发明人：苏树智;王子莹;朱彦敏;高鹏连;平昕瑞;郜一玮 -专利权人：安徽理工大学
申请日： 2020-03-12 - 公布日： 2023-05-26 - 主分类号： G06V10/77 文献下载
摘要：本发明公开了一种基于聚类自适应典型相关分析的多视角图像聚类方法，主要是构建多视角典型相关分析和聚类的自适应优化模型，解决聚类任务中多视角相关学习的聚类不适应性问题，从而提高多视角图像的聚类性能。实现过程为：(1)初始化原始高维样本的类标签指示矩阵；(2)迭代求解相关投影矩阵、类质心矩阵和类标签指示矩阵；(3)基于求解的类标签指示矩阵，直接获得聚类结果。与现有技术相比，本发明提出的多视角图像聚类方法更具有效性和鲁棒性。
基于自适应典型相关分析视角图像方法

[发明专利]一种基于时序相关性的空间聚类方法-CN201610404636.1在审
发明人：杜一;崔文娟;吕菲;周园春;黎建辉 -专利权人：中国科学院计算机网络信息中心
申请日： 2016-06-08 - 公布日： 2016-10-26 - 主分类号： G06F17/30 文献下载
摘要：本发明涉及一种基于时序相关性的空间聚类方法。该方法包括：1)选取将要聚类的空间点的集合；2)根据空间点在地理上的关系进行第一次聚类，将隶属于同一地理关系的空间点聚为一类；3)确定第二次聚类时使用的时序数据的时间区间T，取出每个空间点在时间区间T内的数据值，形成时间序列；4)根据步骤2)中得到的聚类结果和步骤3)得到的时间序列，计算同一类中任意两个空间点之间的时序相关性；5)对于步骤2)中的每一聚类结果，结合步骤4)得到的时序相关性，对每一聚类结果进行二次聚类，形成最终的聚类结果。本发明对于空间对象聚类时使用两步聚类，加入考虑各对象之间的时序相关性特性，使得聚类结果更加准确，更具有现实意义。
一种基于时序相关性空间方法