“聚类算法”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982109个，建议您升级VIP下载更多相关专利

[发明专利]聚类方法、装置和计算设备-CN202011059650.5在审
发明人：胥鹏鹏;许利霞;郑卫炎 -专利权人：华为技术有限公司
申请日： 2020-09-30 - 公布日： 2022-04-12 - 主分类号： G06K9/62 文献下载
摘要：一种聚类方法，包括：在聚类装置获取到第一待聚类数据后，从聚类算法池包含的多个聚类算法中选择第一聚类算法，按照第一聚类算法完成对第一待聚类数据的聚类，使得第一聚类算法对第一待聚类数据的聚类效果优于聚类算法池中其他算法的聚类效果由于聚类过程中所选择的聚类算法可以根据待聚类数据进行自适应调整，能够满足不同待聚类数据的需求，获得更准确的聚类结果。
方法装置计算设备

[发明专利]一种短文本聚类方法、装置、电子设备及存储介质-CN201911170820.4在审
发明人：朱江平;王丙栋;游世学 -专利权人：北京中科汇联科技股份有限公司
申请日： 2019-11-26 - 公布日： 2020-04-10 - 主分类号： G06F16/35 文献下载
摘要：本发明提供一种短文本聚类方法，包括确定当前待聚类目标；从聚类算法库中按照顺序选取初始聚类算法，以初始聚类算法作为当前聚类算法；基于当前聚类算法对当前待聚类目标进行聚类分析以得到当前聚类结果；对当前聚类结果进行过滤以得到过滤结果；记录过滤成功的结果，并以过滤失败的结果作为待聚类目标；若待聚类目标为非空值，则按照预设聚类顺序从聚类算法库中选取下一种聚类算法，若选取的下一种聚类算法为非空值，则以下一种聚类算法作为当前聚类算法，以待聚类目标作为当前待聚类目标，重复执行步骤：基于当前聚类算法对当前待聚类目标进行聚类分析以得到当前聚类结果。
一种文本方法装置电子设备存储介质

[发明专利]网点聚类方法及装置-CN201811277166.2在审
发明人：钟萍;储孝国;石新晨;刘垚;姚小龙 -专利权人：顺丰科技有限公司
申请日： 2018-10-30 - 公布日： 2020-05-08 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种网点聚类方法及装置，该方法包括：获取多个网点的运单数据；从运单数据中提取至少一个特征集；利用聚类算法集合中聚类算法对每个特征集进行聚类分析，得到聚类结果集合；根据聚类算法评估标准对聚类结果集合进行评分，得到算法评分结果列表；基于算法评分结果列表从聚类算法集合中筛选符合业务目标的聚类算法子集；比较第一聚类结果，根据比较结果得到目标算法和目标特征集。本申请实施例提供的网点聚类方法，通过对聚类算法的聚类结果进行评价及比较，确定目标算法和目标特征集，使得通过得到的目标算法及目标特征集对多个网点聚类时，能够实现网点的科学分类。
网点方法装置

[发明专利]一种基于本体的聚类服务方法-CN201510530293.9有效
发明人：曹菡;王振璇;郭延辉 -专利权人：陕西师范大学
申请日： 2015-08-26 - 公布日： 2018-12-28 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于本体的聚类服务方法，该方法首先构建一个顶层本体，基于顶层本体标注用户的聚类任务、聚类数据与已有聚类算法，对已标注本体进行属性选择，并作正二进制转换，得到任务事务、任务‑数据和任务‑聚类三个二进制向量，通过计算用户任务事务与历史任务事务数据库中的任务事务相似度，任务‑数据与任务‑聚类相似度，选择第一候选聚类算法与第二候选聚类算法，并实施聚类算法，最后使用Dunn聚类算法评价指标，评价聚类结果，将符合要求的结果返回给用户，是结合历史聚类任务，基于本体进行任务相似度计算，以选择合适的聚类算法，运行聚类算法并应用评价指标评价聚类算法，最终向用户提供最优聚类算法的聚类服务方法。
一种基于本体服务方法

[发明专利]一种基于多属性决策的最优聚类算法选择方法和装置-CN201811572892.7在审
发明人：耿玉水;李雪梅;孙涛;姜雪松;于坤;杨梦洁 -专利权人：齐鲁工业大学
申请日： 2018-12-21 - 公布日： 2019-05-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多属性决策的最优聚类算法选择方法和装置，该方法包括以下步骤：采用多个待选择聚类算法，分别对数据集进行聚类；采用聚类有效性评估方法分别对每个待选择聚类算法的聚类结果进行评价，基于评价结果构建决策矩阵；计算决策矩阵各列的权重值；采用MSM相关算子处理决策矩阵，得到每个待选择聚类算法的最终评价值；根据每个待选择聚类算法的最终评价值，从多个待选择聚类算法中选择出最优的聚类算法。该方法建立聚类算法选择框架可以有效地解决基于经验的聚类算法可能无法获得良好的聚类结果的问题，选择了几种不同的评价方法并结合其处理结果，来验证聚类结果，使得选择的算法更准确。
聚类算法聚类结果决策矩阵多属性决策方法和装置聚类有效性评估算子数据集有效地构建权重算法验证

[发明专利]视频聚类方法、装置、服务器及存储介质-CN202010246663.7在审
发明人：沈翔宇 -专利权人：北京奇艺世纪科技有限公司
申请日： 2020-03-31 - 公布日： 2020-08-04 - 主分类号： G06F16/75 文献下载
摘要：本发明实施例提供了视频聚类方法、装置、服务器及存储介质，该方法包括：生成待聚类的所有视频的特征向量；将待聚类的所有视频的特征向量作为所有待聚类的特征向量，以及执行聚类操作，聚类操作包括：利用基于密度的聚类算法对所有待聚类的特征向量进行聚类，得到所有候选聚类结果；利用社区聚类算法基于所有未聚类的特征向量和所有候选聚类结果进行聚类，得到所有聚类结果。实现了同时利用基于密度的聚类算法和社区聚类算法进行视频聚类，基于密度的聚类算法用于确保视频聚类具有较高的效率，社区聚类算法用于确保待聚类的每一个视频的特征向量均被归属到相应的聚类结果中，以确保待聚类的每一个视频均被聚类，兼顾视频聚类的效率和全面性。
视频方法装置服务器存储介质

[发明专利]一种基于密度峰值聚类算法的改进研究-CN202210355459.8在审
发明人：田新雨;杨晓秋;弋琨 -专利权人：哈尔滨理工大学
申请日： 2022-04-04 - 公布日： 2022-08-05 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于密度峰值的聚类算法改进研究，属于聚类算法之一，聚类属于无监督分类，目的是将数据划分为不同簇。密度峰值聚类算法根据决策图确定聚类中心并检测非球形聚类，而无需指定聚类数。本发明旨在解决传统DPC聚类算法中存在的问题，传统的DPC算法对数据进行处理，计算局部密度和最小距离，通过局部密度和最小距离构造决策图，人工选取局部密度和最小距离都较大的点作为聚类中心点，导致聚类的准确度不高，因此针对密度峰值聚类算法不能自适应选取阈值，分配剩余点容易产生多米诺骨牌效应等问题，引入了DTW算法并且设计自适应阈值，对DPC聚类算法进行改进，从而改善了DPC聚类算法中存在的不足，提高了聚类的精确度
一种基于密度峰值算法改进研究

[发明专利]一种基于自适应的密度峰值聚类方法-CN202210223360.2在审
发明人：田新雨;何云斌;杨晓秋 -专利权人：哈尔滨理工大学
申请日： 2022-03-07 - 公布日： 2022-06-10 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于自适应的密度峰值聚类方法，属于密度聚类的基本算法之一，本发明旨在解决传统的DPC聚类算法中存在的问题，传统的DPC算法对数据进行处理，计算局部密度和最小距离，通过局部密度和最小距离构造决策图，人工选取局部密度和最小距离都较大的点作为聚类中心点，导致聚类的准确度不高，因此针对密度峰值聚类算法不能自适应选取簇的数目，人工选取聚类中心等问题，引入了迪杰特斯拉算法和模糊C‑均值算法，对DPC聚类算法进行改进，从而改善了DPC聚类算法中存在的不足，提高了聚类的精确度，达到优化密度峰聚类算法效果的目的。
一种基于自适应密度峰值方法

[发明专利]一种多源放电及干扰叠加情况下的局部放电信号聚类方法-CN201811452770.4有效
发明人：吴德贯;黄和燕;周禹;李红元;潘凯;龙方宇;夏辉;许毅;邵成林;杨栋;金辉;王鑫;罗朋振;肖黄能;孙琨 -专利权人：中国南方电网有限责任公司超高压输电公司检修试验中心
申请日： 2018-11-30 - 公布日： 2023-05-30 - 主分类号： G06F18/2321 文献下载
摘要：本发明属于电气设备局部放电信号状态检测领域，公开了一种多源放电及干扰叠加情况下的局部放电信号聚类方法，如下第1步：输入需要聚类的样本数据；第2步：设定初始聚类数c＝1，并输入该初始聚类数；第3步：在所述初始聚类数下，从模糊C均值聚类算法、高斯混合模型聚类算法、GK模糊聚类算法和模糊最大似然聚类算法这四种聚类算法中选出最优的聚类算法；第4步：继续设定聚类数为c+1，重复上述第2步和第3步，直到c+1＞5，然后进入第5步；第5步：选出上述聚类有效性指标最优的聚类数及聚类方法，根据该最优聚类数及聚类方法对样本数据进行分析，输出聚类结果，实现局部放电信号聚类算法及聚类个数的自动优化。
一种放电干扰叠加情况局部信号方法

[发明专利]一种减小客户流失风险的大数据聚类算法-CN201810170341.1在审
发明人：李果 -专利权人：北京理工大学
申请日： 2018-02-28 - 公布日： 2018-08-17 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及减小客户流失风险的大数据聚类算法，所述方法包括以下步骤：(1)使用公理模糊集理论来选择相关的属性，用其隶属函数和逻辑运算来表达模糊概念；(2)根据计算的隶属度，自动确定减法聚类算法的邻域半径和权重系数；(3)利用减法聚类算法通过选择和更新山峰函数来计算聚类数量和质心。将减法聚类算法和公理模糊集集成为语义驱动的减法聚类方法；(4)使用K‑means算法来计算由语义驱动的减法聚类方法获得的聚类质心的聚类。基于减法聚类算法和公理模糊集的语义驱动的减法聚类方法(SDSCM)，提高了减法聚类算法和K‑means的聚类精度，通过使用这种新算法降低了使用公理模糊集(AFS)进行运营管理的不精确的风险。
减法聚类算法减法聚类语义驱动模糊集聚类聚类算法客户流失大数据减小模糊集理论聚类质心隶属函数逻辑运算模糊概念权重系数运营管理自动确定隶属度新算法邻域算法质心更新

[发明专利]基于精准模糊聚类算法的居民电力数据聚类方法及装置-CN202111526678.X有效
发明人：俞林刚;樊友杰;刘明;张志立;江峰;刘强;饶员良;舒骁骁;卢婕;李昊翔;刘向向;祝君剑;熊茹;刘丽蕴 -专利权人：国网江西省电力有限公司供电服务管理中心;国网江西省电力有限公司;国家电网有限公司
申请日： 2021-12-15 - 公布日： 2022-03-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于精准模糊聚类算法的居民电力数据聚类方法及装置，该方法包括：步骤1：推导精准模糊聚类算法的目标函数，并定义精准模糊聚类中心，计算隶属矩阵，控制精准模糊聚类算法的误差，使得精准模糊聚类算法的目标函数最小；步骤2：根据评价数据集聚类方法的度量指标，选取与居民电力数据可维护性和响度指标值影响最大的每类加权方法、低耦合度方法、对每个类的响应度方法这三个度量指标算得的度量值重新组合运算，得到一个影响精准模糊隶属矩阵精度的隶属系数，从而确定精准模糊聚类算法的聚类中心，并运用精准模糊聚类算法对数据聚类。本发明提高了聚类算法的准确度和精度，聚类算法的可维护性和响度指标值也得到优化。
基于精准模糊算法居民电力数据方法装置

[发明专利]一种中药方剂核心药物的发现方法-CN201510183745.0在审
发明人：张雷;刘焕锐;资帅;王强;吴和生;谢俊元 -专利权人：南京大学
申请日： 2015-04-17 - 公布日： 2015-08-05 - 主分类号： G06F19/00 文献下载
摘要：一种中药方剂核心药物的发现方法，由改进聚类算法和加权TF-IDF算法两部分组成，聚类算法包括方剂数据的预处理、聚类距离函数的选择和聚类挖掘算法三部分，其中方剂数据的预测理将方剂数据处理成适合聚类算法的模型；聚类距离的选择用于选择合理的聚类距离函数；距离挖掘算法用于将相似的方剂聚类成一个簇；加权TF-IDF算法用于计算药物的权重，发明的权重计算公式结合聚类结果、药物顺序重要度、TF-IDF算法三部分；算法具有较高的准确性
一种中药方剂核心药物发现方法

[发明专利]一种数据选择偏差下的去相关聚类方法及装置-CN202010591742.1有效
发明人：王啸;石川;范少华 -专利权人：北京邮电大学
申请日： 2020-06-24 - 公布日： 2023-03-21 - 主分类号： G06V10/762 文献下载
摘要：本发明实施例提供了一种数据选择偏差下的去相关聚类方法及装置，其中，方法包括：获取存在偏差的多张图像，作为样本集；基于样本集，联合优化加权后聚类算法和去相关正则项，得到最优加权后聚类算法，其中，最优加权后聚类算法是通过多次计算加权后聚类算法得到的，加权后聚类算法是通过使用去相关正则项学习得到的各样本权重，对聚类算法进行加权得到的；各样本权重为通过使用去相关正则项，对样本集中的各图像，学习本次各样本权重；通过在本次加权后聚类算法中包含的本次聚类中心和簇不是首次聚类中心和簇，并且本次聚类中心和簇与上次聚类中心和簇之间的差异小于阈值时，得到最优加权后聚类算法，以确定图像不受偏差影响的聚类中心和簇。
一种数据选择偏差相关方法装置

[发明专利]一种基于决策灰狼优化K-Means的文本聚类方法-CN202310070562.2在审
发明人：潘成胜;王建伟;施建锋 -专利权人：南京信息工程大学
申请日： 2023-01-31 - 公布日： 2023-05-12 - 主分类号： G06F16/35 文献下载
摘要：本申请涉及一种基于决策灰狼优化K‑Means的文本聚类方法。该方法包括：通过获取待聚类文本数据，并对待聚类文本数据进行分词、去停用词、特征选择和向量化，将待聚类文本数据转换为数值型数据，获得原始数据集，再采用决策灰狼优化算法与K‑Means算法结合的文本聚类算法找出一组最优聚类中心，使各类别中所有文本到该组最优聚类中心的距离最小，从而根据该组最优聚类中心对原始数据集进行聚类，输出聚类结果。由此，可以决策灰狼优化算法与K‑Means算法结合的文本聚类算法进行全局寻优，以狼群所在的位置来代替K‑means算法中的聚类中心，通过不断地迭代寻优来更新狼群的位置，获得最优的聚类中心，使得文本聚类结果更加可靠，从而提高了文本聚类结果准确性。
一种基于决策灰狼优化 means 文本方法

[发明专利]一种基于网格密度的模糊C-均值聚类方法-CN202310493544.5在审
发明人：张茗洋;万静 -专利权人：哈尔滨理工大学
申请日： 2023-05-05 - 公布日： 2023-08-08 - 主分类号： G06F18/23213 文献下载
摘要：本发明涉及一种基于网格密度的模糊C‑均值聚类方法，属于模糊聚类的基本算法之一，本发明旨在解决传统的模糊C‑均值聚类聚类算法在实际应用中存在的问题,传统的模糊C‑均值聚类方法直接对数据集中的数据进行处理,计算它们的目标函数,通过目标函数求出隶属度函数以及聚类中心函数，导致聚类精度不高,因此针对模糊C‑均值聚类算法需人工选取聚类中心的问题，引入了基于网格密度的优化方法，对FCM聚类算法进行了改进,从而改善了FCM聚类算法中存在的不足,提高了聚类的精确度,达到优化模糊C‑均值聚类算法效果的目的。
一种基于网格密度模糊均值方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条