“自动聚类”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3665793个，建议您升级VIP下载更多相关专利

[发明专利]模型训练方法、图像处理方法、装置以及可读存储介质-CN202211743998.5在审
发明人：游鹏;蔡丹平;张朋;李志涵;周祥明 -专利权人：浙江大华技术股份有限公司
申请日： 2022-12-30 - 公布日： 2023-05-12 - 主分类号： G06V10/774 文献下载
摘要：该模型训练方法包括：基于训练集的标注信息，获取待训练类别的真实标注框和候选标注框；将真实标注框和候选标注框进行聚类，获取多层聚类结果；按照真实标注框在每层聚类结果的分布情况，获取每层聚类结果的聚类指数；将聚类指数最高的一层聚类结果作为聚类输出，按照聚类输出确定标注框数量和标注框尺寸，标注框数量和标注框尺寸用于对目标检测模型进行训练。通过上述方式，目标检测装置使用了聚类算法自动生成最佳标注框数量和最佳标注框尺寸等超参数，有效提高模型训练效果。
模型训练方法图像处理装置以及可读存储介质

[发明专利]一种运动捕捉数据的关键帧提取方法-CN201210298734.3有效
发明人：张强;于少沛;周东生 -专利权人：大连大学
申请日： 2012-08-16 - 公布日： 2013-01-02 - 主分类号： G06T7/20 文献下载
摘要：通过分层使用聚类方法，初次聚类得到初始分类数目和初始类划分等第二次聚类所需的阈值，然后采用动态的无监督聚类算法ISODATA再次自动提取聚类，而无需人工预定义阈值。最后得到比较合理的聚类，并提取出离聚类中心最近的运动帧作为关键帧。本发明在得到较理想的关键帧的同时，能够满足运动捕捉的实时性要求。
一种运动捕捉数据关键提取方法

[发明专利]用于链接文档的方法、设备和系统-CN200510073806.4有效
发明人：张俐;杨力平;刘世霞 -专利权人：国际商业机器公司
申请日： 2005-05-24 - 公布日： 2006-11-29 - 主分类号： G06F17/30 文献下载
摘要：一种链接文档的方法、设备和系统，所述方法包括步骤：在企业内部网中提供多个聚类集合，其中每个聚类集合由一个或多个文档组成；为每个聚类集合创建聚类列表页，以表示该聚类集合中的文档；以及根据对所述聚类集合和文档内容的分析来构建聚类列表页之间、文档之间和聚类列表页与文档之间的链接。本发明有助于自动建立各个独立文档之间的链接，以及可以将链接分析算法应用于对这些文档进行的搜索，以在企业内部网中实现更好的搜索性能。
用于链接文档方法设备系统

[发明专利]一种自动确定聚类中心的势能聚类算法-CN201611061909.3在审
发明人：葛洪伟;于晓飞;李莉;朱嘉钢 -专利权人：江南大学
申请日： 2016-11-25 - 公布日： 2017-04-05 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种自动确定聚类中心的势能聚类算法，主要解决基于势能的快速层次聚类算法(PHA)需人为设置聚类数目，且其分配机制仅依据距离大小，削弱了势能影响这两个缺陷。该方法首先求出每个数据点的势能，将各数据点势能从小到大排列起来，然后找到每个数据点的父节点并计算数据点到父节点的距离，接着计算各点的γi值，根据各点的γi值，在一维空间中使用K‑means算法对数据点进行聚类(K恒为2)，选取数据点少的一类作为聚类中心集。确定聚类中心后，每个聚类中心各代表一类，将剩余数据点归入势能比其小且与其距离最近的样本所在类簇。本发明不仅能够自动确定聚类数目，而且具有更高的准确率,实用性更强。
一种自动确定中心势能算法

[发明专利]一种用于污水异常检测的改进型层次聚类方法-CN201910187308.4在审
发明人：张宇;汤哲 -专利权人：中南大学
申请日： 2019-03-13 - 公布日： 2019-06-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种一种用于污水异常检测的改进型层次聚类方法，本发明提供了一种应用于污水异常检测自动化监控的改进型层次聚类方法，结合机器学习中的网格聚类思想，通过LDA信息增益算法进行终止条件的判定，从而实现聚类的高效和精准，确定出数据的最佳聚类方案，通过对正常簇和异常簇的判别来确定污水处理中的异常。为了识别污水处理数据中的异常数据，应用了一种基于网格的改进型层次聚类算法进行数据异常的检测。算法使用网格聚类进行数据预处理，并采用LDA算法进行聚类最优的判定。网格聚类的结合提高了整体的聚类效率，同时凝聚型层次聚类保证了整个聚类过程的精准程度，基于LDA的信息增益算法作为聚类的终止条件，从而很好的解决了层次聚类算法中聚类效果不稳定的问，在投影后使得“类内方差最小，类间方差最大”。
聚类层次聚类改进型网格聚类异常检测层次聚类算法信息增益算法终止条件方差污水判定污水处理数据预处理自动化监控机器学习聚类过程数据异常异常数据网格算法投影应用检测凝聚保证

[发明专利]行人对象意图确定方法、装置、介质以及自动驾驶车辆-CN202210579036.4在审
发明人：赵昊玮;柳长春 -专利权人：阿波罗智能技术（北京）有限公司
申请日： 2022-05-25 - 公布日： 2022-07-22 - 主分类号： B60W50/00 文献下载
摘要：本公开提供了一种行人对象意图确定方法、装置、设备、存储介质、程序产品以及自动驾驶车辆，涉及计算机技术领域，尤其涉及人工智能、自动驾驶以及智能交通技术领域。行人对象意图确定方法的具体实现方案为：对行人对象数据进行聚类，得到至少一个聚类簇，其中，每一个聚类簇包括至少一个目标行人对象数据；针对任意一个聚类簇，确定每一个目标行人对象数据的意图参考数据，得到至少一个初始意图参考数据；以及根据至少一个初始意图参考数据，确定聚类簇的聚类意图数据，作为聚类簇的每一个目标行人对象的目标意图数据。
行人对象意图确定方法装置介质以及自动驾驶车辆

[发明专利]用于图形图像的k近邻局部搜索遗传自动聚类方法-CN201210391449.6有效
发明人：刘若辰;史文博;焦李成;刘静;马文萍;张向荣;马晶晶;王爽 -专利权人：西安电子科技大学
申请日： 2012-10-15 - 公布日： 2013-02-13 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种用于图形图像的k近邻局部搜索遗传自动聚类方法，主要解决现有自动聚类算法在聚类时易陷入局部最优的缺陷。4）用procrustes analysis方法对匹配的轮廓点进行变换；（5）将变换后的匹配轮廓点用字符串表示并测量字符串间的edit距离；（6）根据字符串的edit距离计算图像间的距离；（7）用遗传自动聚类算法对图像进行聚类本发明具有易于达到全局最优，寻找到正确聚类数的优点。
用于图形图像近邻局部搜索遗传自动方法

[发明专利]一种基于局部密度与球哈希的自适应K均值聚类方法-CN201910827458.7在审
发明人：王小敏;张文芳;何卓兵 -专利权人：西南交通大学
申请日： 2019-09-03 - 公布日： 2019-12-03 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于局部密度与球哈希的自适应K均值聚类方法，首先对目标数据集归一化，计算数据集中样本的局部密度和中位数确定聚类类别数k，然后根据邻近样本的局部密度下四分位数和球哈希值，得到k个优化的初始聚类中心，最后用K均值聚类算法完成数据集的聚类。本发明自动确定数据集的类别数k和初始聚类中心，避免了传统K均值聚类算法需要事先设定类别数和随意设置初始聚类中心的不足，能够自适应地进行数据集的K均值聚类。
初始聚类中心数据集自适应哈希样本计算数据聚类类别目标数据位数确定自动确定归一化聚类邻近优化

[发明专利]说话人聚类方法、装置、计算机设备及存储介质-CN201810592867.9有效
发明人：涂宏 -专利权人：平安科技（深圳）有限公司
申请日： 2018-06-11 - 公布日： 2022-12-30 - 主分类号： G10L15/06 文献下载
摘要：本发明公开了一种说话人聚类方法、装置、计算机设备及存储介质，其中，该说话人聚类方法包括：将至少两个待聚类语音按语音时长降序排列；依序将每一待聚类语音与预设声学模型库中每一原始通用语音向量进行语音识别，获取与待聚类语音对应的目标通用语音向量；若待聚类语音在目标通用语音向量中的语音特征相似度不大于预设阈值，则采用待聚类语音进行模型训练，与待聚类语音对应的当前通用语音向量；将当前通用语音向量存储在预设声学模型库中，并将待聚类语音归类到对应的聚类类簇中本发明通过判定待聚类语音的语音特征相似度不大于预设阈值时，自动生成与待聚类语音对应的当前通用语音向量，提高分类的准确性。
说话人聚类方法装置计算机设备存储介质

[发明专利]一种数据聚类方法及装置-CN201611027693.9在审
发明人：鲍媛媛 -专利权人：中国移动通信有限公司研究院;中国移动通信集团公司
申请日： 2016-11-17 - 公布日： 2018-05-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种数据聚类方法及装置，采用局部密度的聚类方法，通过对各节点之间的距离，各节点的局部密度，以及与具有更高局部密度的节点的最短距离的确定，为实现传感器数据的聚类奠定了基础；再根据确定出的各节点的局部密度，以及各节点与具有更高局部密度的节点之间的最短距离，确定各聚类中心节点以及除各聚类中心节点之外的各节点的所属类别，实现了节点的自动化聚类，完成了数据概念的自动化抽取，不仅突破了传统k均值聚类方法的缺陷，还实现对任意形状数据的聚类，而且为实现异构设备的协同分析，设备的互操作等奠定了基础，保证了信息的可靠性和信息的互补性，提高了数据概念抽取的准确率。
聚类聚类中心数据概念数据聚类最短距离抽取自动化传感器数据形状数据异构设备互操作准确率互补性协同分析保证

[发明专利]一种基于反馈聚类的网络设备识别方法及系统-CN201611204074.2有效
发明人：朱红松;任春林;丰轩;白稳平;闫兆腾;李志;孙利民 -专利权人：中国科学院信息工程研究所
申请日： 2016-12-23 - 公布日： 2019-11-29 - 主分类号： H04L12/26 文献下载
摘要：本发明涉及一种基于反馈聚类的网络设备识别方法及系统。所述方法包括采集设备网络协议报文响应信息，对报文响应信息数据进行预处理，提取报文响应信息特征向量，利用特征向量进行聚类；建立聚类效用评估函数并对聚类结果进行验证；若本次聚类结果效用值低于目标效用值，则启动反馈模块对聚类模型进行参数调节，反之，则将得到的聚类结果用于识别网络设备品牌和型号；通过聚类效用评估模型和反馈模块能够有效地调节聚类模型，提升聚类效果。本发明能够基于网络协议响应报文采用自动聚类和反馈调节的方法识别网络设备品牌和型号，相对于现有方法，减少了设备识别的工作量，同时对于未知设备也具有识别的参考价值。
一种基于反馈网络设备识别方法系统

[发明专利]一种基于聚类的自动驾驶换道场景分类方法及识别方法-CN202210188419.9在审
发明人：谭鑫;谯睿智 -专利权人：重庆长安汽车股份有限公司
申请日： 2022-02-28 - 公布日： 2022-05-27 - 主分类号： G06V20/56 文献下载
摘要：本发明公开了一种基于聚类的自动驾驶换道场景分类方法及识别方法，该分类方法包括：1)采集需要进行换道场景分类的每一个样本点的数据；2)对步骤1)中数据进行预处理；3)将经过预处理后的每一个样本点作为一个簇类，采用凝聚层次聚类算法计算每一个簇类的样本点与其它所有簇类的样本点之间的距离，并将距离最近的两个簇类进行组合聚类；4)将组合聚类在一起的族类分别作为一个换道场景，输出聚类结果。本发明的自动换道场景分类方法和识别方法为进一步提升自动换道的算法和优化功能提供准确、可靠的依据，实现高效、低成本、场景覆盖率高的场景分类识别。
一种基于自动驾驶道场分类方法识别

[发明专利]一种模态参数自动识别简化实用方法-CN201910192700.8有效
发明人：梁鹏;贺敏;叶春生;王树东;赵玄;赵翔宇 -专利权人：长安大学
申请日： 2019-03-14 - 公布日： 2022-10-14 - 主分类号： G06F30/13 文献下载
摘要：本发明公开了一种模态参数自动识别简化实用方法，该方法根据模态参数识别结果数据量和稳定点数据量确定相似指标比例，进而确定合理的指标差统计划分区间，提取其横坐标作为聚类指标；对所有识别结果进行排序并标记，基于指标阈值，对排序的识别结果依次进行遍历，将小于阈值的识别结果按相似属性划分为一类，形成多个具有相同属性的数据小类；设定稳定点数量阈值，通过剔除不满足稳定点数量阈值的模态类实现稳定图自动识别。该方法解决了现有稳定图自动自动识别中聚类指标的自动获取问题，遍历归类过程简化了传统聚类的概念和过程，减小了计算量，较已有的基于聚类算法的稳定图自动识别过程显著减少迭代次数，提高了计算效率。
一种参数自动识别简化实用方法

[发明专利]一种基于负荷变化特征的电力负荷曲线聚类算法-CN202210952027.5在审
发明人：胡峻;郭双双;何振涛;袁钱君;陈海慧 -专利权人：浙江华云信息科技有限公司
申请日： 2022-08-09 - 公布日： 2023-02-28 - 主分类号： G06F18/2321 文献下载
摘要：本发明公开了一种基于负荷变化特征的电力负荷曲线聚类算法，从负荷数据本身出发，将数据进行合理的分类，包括：数据预处理和阈值确定；数据聚类；离群点归类；结果上报；其中，簇数k的确定是在聚类过程中自动确定的；聚类中心的获取也是在聚类过程中得到的，根据一定的条件将簇数K控制在合理的范围内。本发明通过参数簇大小阈值t、簇距离阈值d的设定和一定的聚类规则，实现自动获取最优簇数K和最优中心点，使得数据的聚类结果趋于合理化、最优化；采用基于负荷变化特征的距离算法来完善负荷曲线的分类效果，满足负荷变化趋势
一种基于负荷变化特征电力曲线算法

[发明专利]一种基于超像素的模糊谱聚类脑肿瘤图像自动分割方法-CN201810380400.8有效
发明人：赵海峰;夏国峰;陈天聪;张少杰;汤振宇 -专利权人：安徽大学;安徽安大笃北信息科技有限责任公司
申请日： 2018-04-25 - 公布日： 2022-06-03 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于超像素的模糊谱聚类脑肿瘤图像自动分割方法，首先对包含脑肿瘤的核磁共振成像的FLAIR模态图像进行超像素分割，再提取这些超像素块的灰度直方图特征，将超像素块的灰度直方图特征作为算法的输入，通过输入的特征计算图像的模糊相似性矩阵，然后通过NJW谱聚类算法进行聚类，进而得到最终的分割结果。本发明用模糊理论优化了谱聚类的相似性度量方式，在谱聚类的高斯距离度量方法上引入了模糊权重参数，定义了基于超像素特征的模糊相似性度量方式。本发明是一种自动的图像分割方法，不需要人为干预，并且利用基于超像素的模糊谱聚类分割算法，大大降低了谱聚类算法的时间复杂度，并且可以提高分割的精度。
一种基于像素模糊谱聚类脑肿瘤图像自动分割方法