“图聚类”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4244023个，建议您升级VIP下载更多相关专利

[发明专利]一种基于加权相似性度量的聚类集成方法-CN201910079817.5在审
发明人：白亮;杜航原 -专利权人：山西大学
申请日： 2019-01-28 - 公布日： 2019-05-31 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及聚类集成分析领域，特别涉及一种基于加权相似性度量的聚类集成方法。依照聚类成员的质量进行加权相似性度量，在集成过程中加强高质量聚类成员的积极影响，同时抑制低质量聚类成员的不利干扰，以获得更具准确性和鲁棒性的聚类集成结果。该方法首先计算数据集中任意两个样本在每个聚类成员中对符号空间数据描述的一致性，接着计算每个聚类成员对特征空间数据描述的一致性并以此计算每个聚类成员的集成权重，在此基础上计算数据集中任意两个样本的加权相似性，然后构建数据集的加权相似性矩阵从而将聚类集成任务转换为图最小分割问题，通过利用谱聚类方法求解获得聚类集成结果，最终进行结果输出。
聚类加权相似性度量计算数据数据描述样本相似性矩阵符号空间集成过程任务转换特征空间最小分割鲁棒性数据集求解构建权重输出分析

[发明专利]一种基于多网络层集成的昆虫图像深度聚类方法-CN202210347321.3在审
发明人：黄栋;陈定华;劳景欢;邓小智;徐元琨;方思国 -专利权人：华南农业大学
申请日： 2022-04-01 - 公布日： 2022-08-12 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多网络层集成的昆虫图像深度聚类方法，包括无监督深度聚类网络训练、基聚类生成、集成聚类三个阶段；该方法同时利用深度神经网络中的多网络层特征信息来生成一组差异化的基聚类，进而基于二部图模型对神经网络多网络层的基聚类进行融合，以构建一个更准确的深度聚类结果。本发明首次提出在集成聚类框架下同时利用深度神经网络的多网络层特征进行统一建模，以融合多网络层特征构建更稳定、准确的聚类结果；该方法在处理不同的数据集时不需要进行额外地调参，也能取得稳定的聚类效果，可适用于不同的深度聚类框架，以充分利用深度神经网络中的多网络层信息，显著提升其聚类准确性和稳定性。
一种基于网络集成昆虫图像深度方法

[发明专利]聚类网络训练和目标聚类方法、装置、终端及存储介质-CN202211014416.X有效
发明人：邸德宁;朱树磊;王利松;郝敬松;庄瑞格;殷俊 -专利权人：浙江大华技术股份有限公司
申请日： 2022-08-23 - 公布日： 2022-11-22 - 主分类号： G06V40/16 文献下载
摘要：本发明提供一种聚类网络训练和目标聚类方法、装置、终端及存储介质，聚类网络训练方法包括获取训练样本集，其中训练样本集包括包含目标对象的多个样本图像；基于聚类网络对各样本图像关联的第一K近邻图进行处理，得到第一K近邻图中的主节点和各近邻节点之间对应的连接边的类型预测结果；将连接边的类型预测结果以及连接边所连接的主节点和/或近邻节点的聚类难度系数代入损失函数，得到损失值，损失值的绝对值与所代入的聚类难度系数正相关；基于损失值对聚类网络进行迭代训练。本申请使聚类网络更重视聚类难度系数更大的样本图像的预测准确率，进而使聚类网络对于噪声数据的兼容能力得到提高，进而提高聚类网络的聚类准确率和召回率。
网络训练目标方法装置终端存储介质

[发明专利]一种对结构面产状进行分组的方法-CN201910002462.X在审
发明人：艾纯明;孙萍萍;张遵国;陆云 -专利权人：辽宁工程技术大学
申请日： 2019-01-02 - 公布日： 2019-04-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种对结构面产状进行分组的方法，步骤为：根据所要区分的组数，确定初始聚类中心；计算样本中各点与初始聚类中心的距离；将与初始聚类中心距离最小的各点归入到一组，对样本进行初次分组；计算各组的重心作为新的聚类中心本发明应用改进后的动态聚类法进行结构面产状分组，克服了一般动态聚类法对于近直立产状的结构面分组不准的缺点，本发明的方法弥补了极点图、等密度图等分析方法的不足，可以量化地给出结构面的优势产状，本发明的方法还弥补了一般方法无法定量、准确分组等缺点，并且使得该方法下的分组结果与结构面产状的等密度图相吻合。
分组结构面产状初始聚类中心动态聚类法分组结果密度图产状样本聚类中心极点图结构面直立组数吻合量化重心重复应用改进分析

[发明专利]语音情绪分析方法、装置、设备及计算机程序产品-CN202310883709.X在审
发明人：王博;李欣然;孙伟;侯普;吕程程 -专利权人：中国移动通信集团北京有限公司;中国移动通信集团有限公司
申请日： 2023-07-18 - 公布日： 2023-10-20 - 主分类号： G10L25/63 文献下载
摘要：，得到语音情感特征和文本情感特征，目标音频样本是对原始音频样本进行预处理得到的；对语音情感特征和文本情感特征进行分帧对齐和样本标注，得到初始音频样本；基于初始音频样本中的各分帧节点，确定初始音频样本的聚类特征值，将各初始音频样本的聚类特征值分布区域和预设情感分布图结合得到特征聚类结果值分布图；根据待分析音频的聚类特征值与特征聚类结果值分布图，确定待分析音频的情绪分析结果。本申请通过多维度情绪特征值提取融合聚类算法分析用户情绪，提高了用户情绪识别的准确性。
语音情绪分析方法装置设备计算机程序产品

[发明专利]一种社交网络中用户节点隐私信息保护方法-CN202011018196.9在审
发明人：周丽君 -专利权人：周丽君
申请日： 2020-09-24 - 公布日： 2020-12-22 - 主分类号： G06F21/62 文献下载
摘要：本发明公开了一种社交网络中用户节点隐私信息保护方法，包括以下步骤：1）将社交网络构建为一个无权重的社交网络图，社交网络图中的每个节点代表一个社交网络用户；2）获得社交网络图中各个用户节点之间的距离；3）根据社交网络图中用户节点之间的距离对社交网络图进行聚类计算，将社交网络图形成若干聚类版块。本申请的技术方案对社交网络中的各个用户节点进行聚类并形成若干聚类版块，通过对各个聚类版块的隐私权重的计算对各个聚类版块的隐私保护等级进行分级，满足不同的隐私等级的隐私保护力度的需要。
一种社交网络用户节点隐私信息保护方法

[发明专利]一种用于高维图像数据的自主子空间聚类方法-CN201910560704.7有效
发明人：杜博;刘友发;张乐飞 -专利权人：武汉大学
申请日： 2019-06-26 - 公布日： 2022-06-07 - 主分类号： G06V10/762 文献下载
摘要：本发明提供一种用于高维图像数据的自主子空间聚类方法，包括获取高维图像数据，基于自主学习正则化项，通过求解样本权重的优化问题来学习样本的权重；通过带权重的自表示模型求自表示系数；利用自表示系数建立样本的相似度图；基于样本的相似度图进行谱聚类；检验收敛条件，若不满足则返回，若满足则流程终止，得到最终的自主子空间聚类结果。该方法将自主学习与子空间聚类进行融合，通过一种新的自主正则化项来对样本进行权重调整，有效的改善了子空间聚类模型的局部最优解，从而提升子空间聚类的性能。
一种用于图像数据主子空间方法

[发明专利]基于机器学习的胃食管反流疾病危险因素确定方法及系统-CN201811589405.8有效
发明人：刘万里;徐雷;黄玉珍;姚澜;李荣臻;夏吉安 -专利权人：南京市中西医结合医院
申请日： 2018-12-25 - 公布日： 2020-04-14 - 主分类号： G16H50/20 文献下载
摘要：首先构建包含胃食管反流疾病危险因素的用户信息集，并对用户信息集中的因素进行量化处理，得到量化数据矩阵；其次对量化数据矩阵进行标准化，采用主成分分析算法对标准化后的矩阵进行降维处理；然后采用层次聚类算法对处理后的数据集中的数据聚类，得到层次聚类树状图；再者根据层次聚类树状图确定的聚类数目，并根据聚类数目对处理后的数据集中的数据进行聚类划分，得到多个类簇；最后计算每个类簇中各个元素间的相关指数，并将相关指数最大的元素确定为胃食管反流疾病危险因素
基于机器学习食管疾病危险因素确定方法系统

[发明专利]基于加权图的双聚类方法、装置及存储介质-CN202210993806.X在审
发明人：朱晓姝;邱杰;丁小军;谢妙 -专利权人：玉林师范学院
申请日： 2022-08-18 - 公布日： 2023-01-17 - 主分类号： G06F18/2323 文献下载
摘要：本发明涉及基于加权图的双聚类方法，本发明采用加入加权图的方法到双聚类中去，加权图把数据中的零值看成结点之间的边，非零数据看作结点，在稀疏数据矩阵中的零值则会被加权图作为边集去考虑，初始权重取该边所包含的零点个数比上最多零点的边的零点数；然后，采用加入惩罚因子的方式，对数据进行筛选，用惩罚因子与双聚类中的单值均方残基相乘得到惩罚系数，不相关项则和惩罚系数求平方和，使得距离聚簇更远而被抛弃，相关项则和惩罚系数作平方差，使得距离聚簇更加近，使得同一聚簇的数据更加紧靠，更难被聚类方法舍弃，而不同聚簇的数据则远离了，本发明能够克服稀疏矩阵在双聚类算法中不可用的问题并提高聚类准确性。
基于加权双聚类方法装置存储介质

[发明专利]深度图像的HHA编码方法、装置、电子设备及存储介质-CN202111672802.3在审
发明人：汪鹏飞;马子昂;刘征宇;殷俊 -专利权人：浙江大华技术股份有限公司
申请日： 2021-12-31 - 公布日： 2022-05-10 - 主分类号： G06T9/00 文献下载
摘要：深度图像的HHA编码方法包括：获取深度图像的点云数据；对所述点云数据进行方向聚类筛选，得到聚类筛选后的点云数据，所述聚类筛选后的点云数据包括水平点云类别和垂直点云类别；根据所述聚类筛选后的点云数据得到视差图、高度图以及法向量与重力夹角图；对所述视差图、所述高度图以及所述法向量与重力夹角图进行归一化处理，得到HHA图像。
深度图像 hha 编码方法装置电子设备存储介质

[发明专利]一种视频场景聚类及浏览方法-CN201310317750.7有效
发明人：张磊;徐千昆;黄华 -专利权人：北京理工大学
申请日： 2013-07-26 - 公布日： 2013-12-11 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种视频场景聚类及浏览方法，包括以下步骤：镜头边界检测与分割；镜头关键帧提取；镜头间相似度计算；镜头聚类；场景聚类；场景图表示。本发明使用场景聚类，从而得到视频场景层次的内容图结构，获得了基于场景的视频的高层语义信息；并使用二维图结构表述视频结构，为用户提供了一种有引导的非线性视频浏览方式，提高了浏览效率。
一种视频场景浏览方法

[发明专利]一种高光谱图像的聚类方法、系统及设备-CN201911269368.7在审
发明人：许裕雄;杨晓君;蔡湧达;林郭权;阳琴;杜晓颜;罗大成 -专利权人：广东工业大学
申请日： 2019-12-11 - 公布日： 2020-04-24 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种高光谱图像的聚类方法、系统及设备，包括：获取大量高光谱图像；采用基于二叉树锚点图的快速聚类方法获取所述高光谱图像中的具有代表性的锚点；构建基于所述锚点的相似图，得到相似度矩阵；对所述相似度矩阵进行谱聚类分析得到聚类结果本申请提出基于二叉树锚点图的快速高光谱图像聚类方法，更好地生成了具有代表性的锚点，使得基于锚点的构图更加准确。
一种光谱图像方法系统设备

[发明专利]图像处理方法、装置、计算机设备及存储介质-CN202210889909.1在审
发明人：冯威 -专利权人：深圳华策辉弘科技有限公司
申请日： 2022-07-25 - 公布日： 2022-10-18 - 主分类号： G06T7/73 文献下载
摘要：该图像处理方法包括：获取待处理图像包含的目标对象的目标密度图；对目标密度图进行分割处理，得到多个密度图块；对每个密度图块内的各个目标对象进行聚类处理，得到每个密度图块的聚类结果；基于每个密度图块的聚类结果通过本申请，可以基于密度图进行聚类处理，从而得到目标对象的位置数据，可以提高数据处理的准确性和效率。
图像处理方法装置计算机设备存储介质

[发明专利]一种基于锚图的模糊聚类方法及装置-CN202010554321.1有效
发明人：杨晓君;许裕雄;郭春炳;蔡湧达;梁珂;黄晓蓓 -专利权人：广东工业大学
申请日： 2020-06-17 - 公布日： 2022-06-24 - 主分类号： G06V10/762 文献下载
摘要：本申请公开了一种基于锚图的模糊聚类方法及装置，方法包括：从图像的原始数据矩阵选取多个锚点构成锚图矩阵；将锚图矩阵与对角矩阵的逆矩阵相乘，并对相乘后的矩阵进行奇异值分解得到谱嵌入数据；建立全局的模糊隶属度矩阵与锚图矩阵的关系；由模糊隶属度矩阵与锚图矩阵的关系建立基于锚图的模糊聚类目标函数，目标函数中设置了正则项；迭代求解基于锚图的模糊聚类目标函数，直到基于锚图的模糊聚类目标函数收敛；采用收敛的基于锚图的模糊聚类目标函数对谱嵌入数据进行离散化，得到聚类结果。本申请能够更好地获取锚图和模糊隶属度之间的联系，平衡数据点和所有聚类中心的模糊隶属度，获得更合理的模糊隶属度。
一种基于模糊方法装置

[发明专利]基于图正则化的平滑范数受限非负矩阵分解的聚类方法-CN202010099641.2在审
发明人：舒振球;翁宗慧;张云猛;李鹏;由从哲;邱骏达;范洪辉 -专利权人：江苏理工学院
申请日： 2020-02-18 - 公布日： 2020-07-10 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于图正则化的平滑范数受限非负矩阵分解的聚类方法，包括：S10获取待聚类视图并构建最邻近图；S20构建基于图正则化的LP平滑范数受限非负矩阵分解的目标函数，目标函数中包括用于保持数据空间内几何结构和提高平滑度的平滑正则化项及用于标记样本类别信息的图正则项；S30以Frobenius范数为度量标准，根据目标函数使用迭代加权的方法迭代预设次数，得到待聚类视图的特征矩阵；S40采用k‑means聚类算法分别对各聚类视图的特征矩阵进行分析，实现视图聚类。其通过加入图正则项到NMF中，发现隐藏语义同时尊重数据集固有的内在几何信息；再通过将标签信息作为附加的硬约束使得高维空间中标记的样本在新低维空间中拥有相同的坐标；最后加入LP
基于正则平滑范数受限矩阵分解方法