“聚类中心点集 ”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3471290个，建议您升级VIP下载更多相关专利

[发明专利]数据聚类方法及装置-CN201910400318.1在审
发明人：杨开平 -专利权人：重庆紫光华山智安科技有限公司
申请日： 2019-05-14 - 公布日： 2019-08-09 - 主分类号： G06F16/2458 文献下载
摘要：本申请提供一种数据聚类方法及装置，涉及数据挖掘领域。该方法包括：根据待聚类数据集以及预设算法计算并获取预设个数个聚类中心点；根据各聚类中心点对待聚类数据集进行聚类，获取聚类结果；若聚类结果满足预设终止条件，则停止聚类并输出聚类中心点集和聚类结果中各聚类的类别标签，其中，聚类中心点集内包括所有聚类中心点。相对于现有技术，解决了聚类的类别个数存在人为主观判断，并且初始聚类的聚类中心点的选择存在着随机确定的问题。
聚类聚类中心聚类结果聚类中心点集聚类数据数据聚类预设类别标签数据挖掘随机确定预设算法终止条件主观判断输出申请

[发明专利]基于自然邻居扩散的密度峰值聚类方法-CN202110652190.5在审
发明人：杨海波;何云斌;张爽 -专利权人：哈尔滨理工大学
申请日： 2021-06-11 - 公布日： 2021-09-10 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于自然邻居扩散的密度峰值聚类方法，旨在解决传统DPC聚类方法需要手动选取聚类中心且无法处理复杂流行数据集的缺点，传统的DPC聚类方法通过决策图手动获取数据集的聚类中心点，将非聚类中心点分配到其最近聚类中心点所属的类簇中，导致聚类精度不高，不能够满足实际应用的需求。针对此问题，本文引入了自然邻居的思想，通过样本点的自然邻居扩散自动选取聚类中心点，并基于自然邻居以及簇归属度对非聚类中心点进行聚类。本发明方法能自动选取聚类中心点，并获得理想的聚类结果，且在处理复杂流行数据集上优势较大。
基于自然邻居扩散密度峰值方法

[发明专利]一种基于差分隐私技术的轨迹数据保护方法-CN202010290023.6有效
发明人：陈珍萍;徐启元;付保川;吴征天;许馨尹 -专利权人：苏州科技大学
申请日： 2020-04-14 - 公布日： 2022-08-02 - 主分类号： G06F21/62 文献下载
摘要：本发明公开了一种基于差分隐私技术的轨迹数据保护方法，包括以下步骤：（1）、获取所有用户各自在任意时刻的轨迹点集合；（2）、计算得到所有用户中每个用户在任意时刻的轨迹点的密度参数；（3）、判断轨迹点是否为拐弯点，若为拐弯点则用加权密度参数取代原有密度参数；（4）、选择密度参数最大的多个轨迹点构成任意时刻的初始聚类中心点集，得到各个时刻初始聚类中心点集合；（5）、寻找与每个用户在任意时刻的轨迹点距离最近的中心点，通过聚类算法形成聚类簇，使聚类簇形成聚类收敛，得到每个用户任意ti时刻的聚类中心点集，进而得到每个用户在所有时刻的聚类中心点集。本发明可降低聚类算法的迭代次数并提高聚类精度。
一种基于隐私技术轨迹数据保护方法

[发明专利]3D目标对象定位方法、装置及电子设备-CN202211530237.1在审
发明人：王俊权;叶溯 -专利权人：苏州艾氪英诺机器人科技有限公司
申请日： 2022-11-30 - 公布日： 2023-03-14 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种3D目标对象定位方法、装置及电子设备，属于智慧交通领域，该方法包括：根据预设道路区域的当前帧点云数据生成第一聚类中心点集以及根据预设道路区域的上一帧点云数据生成第二聚类中心点集，根据第一聚类中心点集和第二聚类中心点集，确定出第二聚类中心点集中与N个3D目标对象对应的N个聚类中心；根据N个聚类中心、N个3D目标对象的当前移动距离以及当前转弯半径，建立N个3D目标对象在当前帧中对应的N个扇形区域；根据所述当前帧点云数据，在N个扇形区域内确定出N个目标聚类中心，作为N个3D目标对象在当前时刻的位置信息。
目标对象定位方法装置电子设备

[发明专利]一种基于KNN的改进k-means++算法-CN202210147830.1在审
发明人：朱静;陈宇瀚;薛穗华;潘梓沛;韦国强;陈泳轩;叶志强;林静旖;尹邦政 -专利权人：广州大学
申请日： 2022-02-17 - 公布日： 2022-05-17 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于KNN的改进k‑means++算法，包括K‑means++算法，所述方法包括以下步骤：S1：输入包含n个数据对象的目标数据集D，数据集待聚类类簇数k，通过在初始类簇中心点选择时，第一个类簇中心点随机选取，后续的类簇中心点的选取将同时基于数据对象与最近邻的初始类簇中心点的距离，以及数据对象附近空间的稠密程度，其中，通过优化过后的中心点选取机制，那些远离已存在类簇中心点的高密度对象将有更大的可能性被选取为新的类簇中心点，由此中心点的选取不会过于随机而影响到聚类结果，在一定程度上提升了k‑means算法的聚类稳定性以及聚类质量，达到了使得中心点的选取更加合理且稳定，并提高聚类质量和聚类稳定性的效果。
一种基于 knn 改进 means 算法

[发明专利]基于动态K近邻代表点的密度峰值聚类算法-CN202011498757.X在审
发明人：杨海波;张爽;李媛洁 -专利权人：哈尔滨理工大学
申请日： 2020-12-15 - 公布日： 2021-11-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公布了一种基于动态K近邻代表点的密度峰值聚类算法，主要解决了原DPC算法需要手动选取聚类中心点且无法处理复杂结构数据集的缺点。实现过程为：(1)计算样本点的动态K邻域，以更好地反映数据集的空间分布情况；(2)根据新的局部密度计算公式计算样本点的局部密度ρi，计算样本点到其最近高密度点的距离δi；(3)根据样本点的聚类中心指标变化率选取聚类中心；(4)将非聚类中心点按照新的分配策略与对应的聚类中心点归为一类；(5)将剩余点分配给其最近高密度点所属的类在人工数据集上的实验表明，对比于DPC算法，本发明算法不仅能自动选取聚类中心点，而且能获得正确的聚类结果，并且在处理复杂的数据集上优势较大。
基于动态近邻代表密度峰值算法

[发明专利]数据存储方法及装置、数据查询方法及装置-CN202011035973.0有效
发明人：楼仁杰;李飞飞;占超群;魏闯先 -专利权人：阿里云计算有限公司
申请日： 2020-09-27 - 公布日： 2022-09-09 - 主分类号： G06F16/28 文献下载
摘要：本说明书提供数据存储方法及装置、数据查询方法及装置，其中该数据存储方法包括：对待存储数据集进行聚类，确定多个聚类中心点；针对该多个聚类中心点中的每一个聚类中心点，根据该聚类中心点，确定对应的近邻聚类中心点，将该聚类中心点和对应的近邻聚类中心点构成的空间确定为聚类子空间；根据该聚类子空间，对该待存储数据集中的待存储数据进行存储。把聚类算法和近邻图思想进行了结合，在一层聚类的基础上，引入了二层子空间的近邻图关系，把一层的空间进一步划分为更为细致的二层聚类子空间，从而提升整个索引的检索准度。
数据存储方法装置查询

[发明专利]审计异常数据检测方法及装置-CN202111646279.7在审
发明人：叶勇飞;匡石磊 -专利权人：中国联合网络通信集团有限公司
申请日： 2021-12-29 - 公布日： 2022-04-15 - 主分类号： G06F16/2455 文献下载
摘要：本申请提供一种审计异常数据检测方法及装置，应用于信息安全技术领域，包括：将待审计数据转为向量形式的数据点，以得到数据集；基于第一聚类结果的第一聚类中心点，确定数据集中疑似异常的数据点，得到疑似异常数据点；基于第一聚类中心点，对数据集进行单次K‑means聚类，得到第二聚类中心点；计算第一聚类中心点与第二聚类中心点的偏移量，若偏移量小于阈值，则确定疑似异常数据点为异常数据点；输出异常数据点。
审计异常数据检测方法装置

[发明专利]一种基于改进K-means算法和新聚类有效性指标的聚类分析方法-CN201911146579.1在审
发明人：朱二周;高新;刘锋 -专利权人：安徽大学
申请日： 2019-11-21 - 公布日： 2020-03-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于改进K‑means算法和新聚类有效性指标的聚类分析方法，首先通过密度信息获取高密度初始聚类中心点，按照初始聚类中心点进行K‑means算法聚类；不断迭代聚类中心点；计算聚类有效性指标的值并将最小的聚类有效性指标对应的簇数作为数据集的最佳聚类数并输出最佳聚类结果本发明可以有效的降低K‑means聚类算法的迭代次数，减少聚类时间消耗，提升聚类效率；高密度初始中心点和中心点替换方法的结合降低了K‑means聚类算法陷入局部最优解的可能性；聚类结果稳定精确。
一种基于改进 means 算法新聚类有效性指标聚类分析方法

[发明专利]一种基于MapReduce的差分可辨性k原型聚类方法-CN201910793018.4有效
发明人：尚涛;赵铮;姜亚彤;张锋;杨英;刘建伟 -专利权人：北京航空航天大学;国家卫生健康委科学技术研究所
申请日： 2019-08-26 - 公布日： 2021-06-18 - 主分类号： G06F21/62 文献下载
摘要：本发明公开一种基于MapReduce的差分可辨性k原型聚类方法，包含以下步骤：步骤1：对输入数据集D进行预处理；步骤2：MapReduce框架的任务设置；步骤3：确定每个Map任务中的局部中心点集合Q；步骤4：根据局部中心点集合Q确定聚类个数k；步骤5：设置差分可辨性实现机制的参数；步骤6：划分数据集D1的每条数据记录至相应聚类；步骤7：计算新一轮聚类中心点；步骤8：比较两轮聚类中心点；步骤9：根据最终聚类中心点划分数据集D1。
一种基于 mapreduce 差分可辨性原型方法

[发明专利]一种服务获取方法、装置、设备及介质-CN202310175833.0在审
发明人：戴娇;王浩 -专利权人：重庆长安汽车股份有限公司
申请日： 2023-02-28 - 公布日： 2023-05-05 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种服务获取方法，包括：对目标区域进行划分，得到多个第一单元格，每一个第一单元格中的服务请求构成一个数据集；目标区域是路侧单元所覆盖的区域；对多个数据集进行聚类，得到多个聚类簇；分别对多个聚类簇的聚类中心点进行加噪，得到加噪中心点，所述加噪中心点表示车辆的虚拟位置；接收车辆从加噪中心点发出的服务请求，并将服务请求发送至服务器以向服务器获取服务推荐结果。本发明在请求获取服务时，通过聚类来得到中心点，然后对中心点引入噪声，避免中心点的位置暴露，从而提升数据的安全性，同时用户通过网格请求，只需一条数据即可达到请求的目的，提升了带宽的利用率。
一种服务获取方法装置设备介质

[发明专利]I-nice算法优化方法、装置、设备及计算机可读存储介质-CN202111471764.5在审
发明人：尹剑飞;陈鸿杰;杨洪广;魏晓欢;黄哲学 -专利权人：深圳大学
申请日： 2021-12-06 - 公布日： 2021-12-31 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种I‑nice算法优化方法、装置、设备及计算机可读存储介质，该方法包括：获取待聚类数据集，并通过预设的观测点随机生成算法，生成待聚类数据集对应的多个观测点；基于各观测点，将待聚类数据集转换为一维的距离集合；对距离集合拟合多个混合分布模型，并在混合分布模型求解出与距离集合匹配度最高的目标混合分布模型；通过目标混合分布模型将待聚类数据集划分成多个子集，并分别确定各子集对应的高密度点；在各子集对应的高密度点中确定待聚类数据集的数据点中的簇中心点，并将簇中心点以及簇中心点的个数作为运行k‑means算法的初始参数，以调用k‑means算法得到待聚类数据集的聚类结果。
nice 算法优化方法装置设备计算机可读存储介质

[发明专利]一种基于改进飞蛾扑火K均值聚类方法-CN201811420248.8在审
发明人：黄鹤;郭璐;徐锦;许哲;茹锋;黄莺;惠晓滨;何永超;任思奇;李光泽;胡凯益 -专利权人：长安大学
申请日： 2018-11-26 - 公布日： 2019-04-09 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于改进飞蛾扑火K均值聚类方法，首先输入标准数据集即飞蛾群，根据数据集类别的个数来确定该数据集中类的个数；其次，使用最大最小距离积法来确定初始飞蛾，计算除去初始飞蛾的其他飞蛾到初始飞蛾的距离，根据最小距离来进行聚类的划分；接着，使用飞蛾扑火算法对每一个类都得到新的聚类中心，最后，使用飞蛾扑火算法和K均值方法不断交替更新聚类中心点，直到达到规定的迭代次数为止，最终所得到的聚类中心点就是最终聚类中心点
飞蛾聚类中心最小距离数据集算法输入标准数据集中迭代聚类改进更新

[发明专利]基于高斯核函数的差分隐私保护的模糊C均值聚类方法-CN202010754535.3在审
发明人：张亚玲;韩瑾 -专利权人：西安理工大学
申请日： 2020-07-30 - 公布日： 2020-11-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于高斯核函数的差分隐私保护的模糊C均值聚类方法，首先对数据集D的所有数据做归一化处理，得到数据集D'＝{x1,...,xn}，然后计算数据集D'中所有样本点到其中任意一点xz的距离，将距离xz最远的一个点xs作为两个聚类中心点，接着计算距离xs最远的点作为下一个聚类中心点，如此循环，直到找到k个聚类中心点，再计算隶属度矩阵，计算k个聚类中心点的高斯值及高斯权重，添加拉普拉斯噪声，最后判断是否收敛，输出满足差分隐私保护的聚类集合，该聚类集合即能够保护个体隐私。
基于高斯核函数隐私保护模糊均值方法

[发明专利]一种基于图像分割的高光谱目标检测方法-CN202010687080.8有效
发明人：王志勇;王正伟;刘志刚;付强;闫超;李胜军;白虎冰;张伊慧;胡友章 -专利权人：四川九洲电器集团有限责任公司
申请日： 2020-07-16 - 公布日： 2022-04-12 - 主分类号： G06T7/10 文献下载
摘要：本发明中基于图像分割的高光谱目标检测方法，包括以下步骤：对高光谱图像进行图像分割，得到高光谱图像中的像素的所属类别和二维的高光谱分割图像；基于高光谱分割图像，进行像素聚类，获得每一类别对应的聚类中心点集；基于高光谱分割图像以及聚类中心点集，进行图联通性判断，获得与每一类别对应的优化聚类中心点集；基于高光谱分割图像以及优化聚类中心点集，输出目标信息。
一种基于图像分割光谱目标检测方法

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