“聚类模型”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1421773个，建议您升级VIP下载更多相关专利

[发明专利]形式化聚类结果有效性检验方法-CN202110264018.2在审
发明人：程媛;贾伟楠;姜珺峤 -专利权人：哈尔滨理工大学
申请日： 2021-03-09 - 公布日： 2021-05-18 - 主分类号： G06K9/62 文献下载
摘要：本发明提供形式化聚类结果有效性检验方法，包括：S1聚类过程的形式化；S2提取有效聚类结果性质；S3模型是否满足性质要求；S4聚类结果有效性判断；从聚类过程的角度考虑验证有效性，避开基于聚类结果自身评价自身的问题，形式化地构建聚类过程模型，验证聚类的每个步骤是否向着更内聚的趋势进行，使用不同于聚类过程中距离度量的方法，保证了结果有效性验证的客观性，扩大了验证方法的应用范围，也有利于发现可能引起非有效结果的关键步骤
形式化结果有效性检验方法

[发明专利]隐马尔科夫模型振动信号分析方法装置、存储介质和终端-CN202110697487.3在审
发明人：王振明;吴波;李宝清;王文瑞;鲁方林;于剑峰;毛嘉;马娜 -专利权人：中国科学院上海高等研究院;中国科学院上海微系统与信息技术研究所
申请日： 2021-06-23 - 公布日： 2021-09-28 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种隐马尔科夫模型振动信号状态分析方法和装置、存储介质和终端，其中方法包括获取振动信号数据，通过预设滤波方式对振动信号数据进行滤波处理，得到特征信号；通过预设分类方式对特征信号进行分类；通过预设分段算法对每类信号进行分段处理；通过基于密度的时空聚类算法分别对每类分段数据进行聚类，获取至少一类聚类结果；基于每类聚类结果构建隐马尔科夫模型，并基于隐马尔科夫模型中的维特比算法对待处理特征信号进行预测诊断。本发明采用基于时空密度的聚类方法对分段时空序列数据进行聚类处理，然后通过聚类结果建立的隐马尔科夫模型进行预测诊断，消除时间序列分类局限性，提高分析结果的准确性和有效性。
隐马尔科夫模型振动信号分析方法装置存储介质终端

[发明专利]一种人像聚类处理方法及装置-CN202210191272.9在审
发明人：邱莹;袁虎标;李辉;董素素 -专利权人：浙江大华技术股份有限公司
申请日： 2022-02-28 - 公布日： 2022-05-27 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种人像聚类处理方法及装置，该方法包括：解析目标抓拍图像，得到目标图像数据；将该目标图像数据输入预先训练好的图像评价模型中，得到训练好的该图像评价模型输出的该目标图像数据对应的目标图像分类结果；若该目标图像分类结果为待聚档图像，将该目标图像数据输出到聚档消息队列中；基于该聚档消息队列进行人像聚类处理，可以解决相关技术中根据部分指标的固定阈值筛选出抓拍图像进行人像聚类，部分低质量图像参与人像聚类，导致人像聚类效果不佳的问题，通过训练好的图像评价模型提高图像分类结果的准确度，可以更加精准的将高质量图像筛选出来参与聚类，降低低质量图像对聚类结果的影响。
一种人像处理方法装置

[发明专利]一种风电场多机等值建模方法及装置-CN201811440764.7有效
发明人：朱玲;侯玉强;赵凯;刘福锁;许剑冰;李威;张倩;赵彦丽 -专利权人：国电南瑞科技股份有限公司;国网山东省电力公司;南瑞集团有限公司;国家电网有限公司
申请日： 2018-11-29 - 公布日： 2022-08-23 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种风电场多机等值建模方法，包括：选取某风电场中风电机组运行时的有功功率、无功功率、机端电压、输出电流、风速五种状态变量作为聚类算法的聚类因素；将上述状态变量作为神经网络SOM聚类算法的输入变量矩阵；根据SOM神经网络聚类算法自动聚类的特点得到风电场分群数目K;将K值作为C均值聚类的初始输入进行快速聚类，得到风电场多机等值模型；对风电场多机等值模型进行参数聚合；以聚类结果为准建立新的等值风电场进行仿真模拟；本发明结合神经网络SOM的自动聚类的特性和C均值聚类的快速聚类的特质，对风电场进行快速有效的聚类。
一种电场等值建模方法装置

[发明专利]一种基于自适应权重的复杂图片聚类方法-CN202110740031.0在审
发明人：任亚洲;杨之蒙;吴子锐 -专利权人：电子科技大学广东电子信息工程研究院
申请日： 2021-06-30 - 公布日： 2021-09-28 - 主分类号： G06F16/55 文献下载
摘要：本发明涉及深度学习与图像聚类领域，具体是一种基于自适应权重的复杂图片聚类方法，包括如下步骤：首先，利用已有分类网络和传统聚类算法初始化聚类网络；其次，对图像进行聚类并向熵减方向计算本次迭代的网络目标并更新网络；再次，利用样本熵值计算下一次迭代中各个样本的权重；最后，聚类损失小于停止迭代阈值，输出聚类结果。解决了现有图像聚类模型中，难以使用图形样本的质量来决定一个样本的权重，并使用自适应的权重进行模型训练的问题。
一种基于自适应权重复杂图片方法

[发明专利]一种基于深度学习的轨迹序列聚类方法-CN202111298174.7在审
发明人：王超;汪愿愿;罗实;王永恒;傅四维;董子铭 -专利权人：之江实验室;浙江大学
申请日： 2021-11-01 - 公布日： 2022-01-28 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及数据挖掘领域，具体涉及一种基于深度学习的轨迹序列聚类方法，包括以下步骤：步骤1，预训练层：使用序列到序列的自编码器模型，学习轨迹数据的低维特征表示；步骤2，初始聚类层：对预训练层获得的轨迹特征表示执行多次K‑Means聚类算法，并选择最优聚类结果中的聚类中心作为初始的簇中心。步骤3，联合训练优化层：联合轨迹聚类和深度特征提取方法，提出结合序列到序列自编码器模型重构误差和聚类误差的优化损失函数，将轨迹特征表示映射到更加适合聚类的特征空间。
一种基于深度学习轨迹序列方法

[发明专利]一种面向领域的文本信息抽取聚类方法、设备和存储介质-CN201911019149.3有效
发明人：白洁;孔庆超;王婧宜;彭鑫;罗引;王磊 -专利权人：北京中科闻歌科技股份有限公司
申请日： 2019-10-24 - 公布日： 2020-10-23 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种面向领域的文本信息抽取聚类方法、设备和存储介质。该方法包括：获取文本信息集合；所述文本信息集合包括：目标领域内的多个文本信息和目标领域外的多个文本信息；将所述文本信息集合输入预先训练的抽取聚类模型；通过所述抽取聚类模型对所述文本信息集合执行抽取和聚类处理本发明将抽取和聚类融合在一起，使得抽取和聚类相互支撑，在抽取聚类过程中，人工干预少且抽取和聚类高效。
一种面向领域文本信息抽取方法设备存储介质

[发明专利]一种基于概率线性鉴别分析模型的说话人聚类方法及系统-CN201410459009.9有效
发明人：杨琳;索宏彬;周若华;颜永红 -专利权人：中国科学院声学研究所;北京中科信利技术有限公司
申请日： 2014-09-10 - 公布日： 2019-01-08 - 主分类号： G10L15/06 文献下载
摘要：本发明涉及一种基于概率线性鉴别分析模型的说话人聚类方法及系统，包括：采集一定数量的语音数据作为训练语句，生成概率线性鉴别分析(PLDA)模型；对待聚类说话人语句进行预处理；提取预处理后的待聚类说话人语句的MFCC特征；基于MFCC特征计算所有待聚类说话人语句的总变化量因子；基于生成的PLDA模型计算两两待聚类说话人语句的总变化量因子的PLDA距离；基于PLDA距离确定的密度值选择初始的类别数目和每个类包含的语句；最后通过聚类算法获取最终的类别数目和每个类包含的语句。本方法采用基于总变化量因子PLDA距离使距离测度更加准确；而且本方法基于密度值选择初始类，从而达到稳定的聚类效果。
概率线性鉴别分析模型生成方法说话人聚类系统

[发明专利]基于数据共现关系的深度聚类方法及系统-CN201911337783.1在审
发明人：刘冠男;吴俊杰;吴孟其 -专利权人：北京航空航天大学
申请日： 2019-12-23 - 公布日： 2020-05-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于数据共现关系的深度聚类方法，包括：获取数据集；对数据集进行预处理；在预处理后的数据特征空间中，以随机特征选择策略生成多个基础聚类结果；构造数据在类簇空间的共现关系矩阵；以深度自编码器作为模型的基本架构，基于共现关系矩阵构建模型的聚类正则项，并与深度自编码器的重构误差相加作为模型的目标函数；对模型进行迭代训练；使用训练好的深度自编码器在数据集上进行特征表示，将数据的特征表示输入到k‑means聚类算法中本发明为提高深度聚类模型的特征表示质量提供了一种新的方法。
基于数据关系深度方法系统

[发明专利]一种基于中值聚类和全局分类的跨域行人重识别方法-CN202110333450.2在审
发明人：郭继峰 -专利权人：海南智晶科技有限公司
申请日： 2021-03-29 - 公布日： 2021-07-06 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于中值聚类和全局分类的跨域行人重识别方法。包括如下步骤：1：利用风格迁移模型对源域数据进行处理，之后使特征提取模型F在源域上进行监督学习，即行人身份分类；2：利用特征提取模型对目标域数据进行特征提取，之后利用中值稳定聚类对特征进行聚类，得到聚类结果和相应的伪标签；3：利用聚类结果分别优化全局特征分类器和特征提取网络，其中特征提取网络以分类器的分类精度作为优化目标。本发明设计的全局特征分类器与特征提取模型在聚类之后协同优化，最终在全局范围内分离正负样本对的距离分布，从而提升模型的识别性能。
一种基于中值全局分类行人识别方法

[发明专利]污染天气的分型方法、装置、电子设备及存储介质-CN202110407405.7在审
发明人：梁倩;陈焕盛;秦东明;文质彬;肖林鸿;吴剑斌 -专利权人：中科三清科技有限公司
申请日： 2021-04-15 - 公布日： 2021-06-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了污染天气的分型方法、装置、电子设备及计算机可读存储介质，该方法包括：根据历史污染数据获取污染案例；获取与污染案例对应的污染气象数据；对污染气象数据进行预处理得到待聚类数据；将待聚类数据依据AP聚类算法建立分型模型，并迭代更新分型模型得到最终分型模型；根据最终分型模型对污染天气进行分型。依据AP聚类算法建立分型模型不需要指定聚类个数，有利于提高精度，能够得到确切存在的聚类中心，便于后续确定相关的污染情况。
污染天气方法装置电子设备存储介质

[发明专利]对流天气影响终端区模式识别系统-CN202111024837.6在审
发明人：彭瑛;王洪;郭聪聪;赵征;李昌城 -专利权人：南京航空航天大学
申请日： 2021-09-02 - 公布日： 2021-11-30 - 主分类号： G06K9/62 文献下载
摘要：本发明属于机场终端区对流天气技术领域，具体涉及一种对流天气影响终端区模式识别系统，其中对流天气影响终端区模式识别服务器包括：获取模块，获取对流天气数据；特征构建模块，根据对流天气数据构建对流天气影响终端区特征；模型构建模块，根据特征构建对流天气对终端区影响的聚类模型；以及分析模块，根据聚类模型的聚类结果进行对比分析，实现了对不同聚类模型所得的聚类结果进行对比分析，从而得出最为符合实际管制场景的要求的聚类模型和结果，形成对流天气影响终端区的主要场景
对流天气影响终端模式识别系统

[发明专利]一种图神经网络压缩方法、装置、电子设备及存储介质-CN202310188245.0有效
发明人：胡克坤;董刚;赵雅倩;李仁刚 -专利权人：浪潮电子信息产业股份有限公司
申请日： 2023-03-02 - 公布日： 2023-07-14 - 主分类号： G06F16/174 文献下载
摘要：本发明提供一种图神经网络压缩方法、装置、电子设备及存储介质，涉及图神经网络领域，方法包括：获取待训练的图神经网络模型和训练图数据；训练图数据包含图顶点及其对应的顶点特征；控制强化学习的智能体学习图神经网络模型及训练图数据在不同聚类簇数序列条件下的压缩训练结果，并基于压缩训练结果生成最佳聚类簇数序列；聚类簇数序列中的聚类簇数与图神经网络模型中的图卷积层一一对应，聚类簇数用于将输入至对应图卷积层的顶点特征压缩为该图卷积层需处理的特征码字，以使特征码字的数量等于聚类簇数；利用最佳聚类簇数序列对图神经网络模型和训练图数据进行压缩及训练处理；可基于聚类簇数序列压缩图神经网络模型，以降低其对资源的需求。
一种神经网络压缩方法装置电子设备存储介质

[发明专利]一种基于聚类算法的色谱数据杂质定性分析方法及应用-CN202310378197.1有效
发明人：李奇文;柳彦宏;刘鹏飞;张浩 -专利权人：烟台国工智能科技有限公司
申请日： 2023-04-11 - 公布日： 2023-08-18 - 主分类号： G01N30/86 文献下载
摘要：本发明涉及杂质分析方法技术领域，具体涉及一种基于聚类算法的色谱数据杂质定性分析方法及应用，所述的方法包括计算相对保留时间；初步聚类，具有将预设数量色谱数据进行随机样本聚类，并聚类结果形成簇类合集；分类再聚类，针对初步聚类结果进行处理，具有得到所有色谱图计算后最多簇类的簇类集合，也就是该物质的杂质模型。将色谱图和杂质模型比较，来确认色谱图杂质数量、新杂质和单个杂质面积异常。所述方法中包含基于KMeans、欧式距离算法的色谱数据聚类、分类再聚类，色谱图数据和杂质模型比较的实现方法，主要用于控制精细化工生产过程中对发现新杂质、杂质数量和面积的控制，解决人工判别效率低和判别失误的情况
一种基于算法色谱数据杂质定性分析方法应用

[发明专利]基于用户聚类的局部模型加权融合Top-N电影推荐方法-CN201810169922.3有效
发明人：汤颖;孙康高 -专利权人：浙江工业大学
申请日： 2018-03-01 - 公布日： 2020-08-21 - 主分类号： G06F16/735 文献下载
摘要：基于用户聚类的局部模型加权融合Top‑N电影推荐方法，包括：步骤1：数据预处理；对不活跃用户以及流行度很小的电影进行数据清洗；构造用户电影标签文档；把显式的评分信息转换成隐式反馈信息，构造用户‑电影隐式反馈矩阵A；步骤2：用户聚类；利用电影标签信息，通过LDA主题模型训练得到用户特征向量，用谱聚类算法实现用户聚类；步骤3确定局部推荐模型和进行全局推荐模型训练；步骤4模型加权融合推荐阶段；步骤5.通过留一法交叉验证来证明模型的有效性
基于用户局部模型加权融合 top 电影推荐方法