“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]基于Spark平台采用两次评价的加权选择集成三支聚类方法-CN201710548072.3有效
发明人：于洪;陈云;胡峰;王国胤;胡军 -专利权人：重庆邮电大学
申请日： 2017-07-06 - 公布日： 2021-02-09 - 主分类号： G06K9/62 文献下载
摘要：本发明请求保护一种基于Spark平台采用两次评价的加权选择集成三支聚类方法，主要包括如下步骤：步骤1，对大数据集进行分区和管理并生成对应的弹性分布式数据集(RDD)；步骤2，使用基于Spark的K‑Means聚类算法对每个分区数据进行聚类，生成多个不同的聚类成员；步骤3，通过两次评价，构造新的评价函数以及加权选择策略，对聚类成员进行选择，删除聚类效果不佳的聚类结果，构成新的聚类成员；步骤4，将聚类成员进行集成，构造一个加权的投票矩阵，根据三支决策规则进行聚类划分，得到最终的三支聚类结果。本发明大幅减少了算法运行时间，提高了算法效率。
基于 spark 平台采用两次评价加权选择集成三支聚类方法

[发明专利]云计算平台驱动的网页大数据内容聚类方法-CN202310482703.1在审
发明人：岳阳;王军 -专利权人：岳阳
申请日： 2023-05-02 - 公布日： 2023-07-14 - 主分类号： G06F16/906 文献下载
摘要：本申请提出一种云计算平台驱动的网页大数据内容聚类方法，对K均值聚类算法在K值需要人工确定、算法局部最优而非全局最优以及并行化处理三个方面进行优化改进，针对网页数据的半结构化特征对特征项的权重计算方法进行改进，采用K均值网页聚类算法，在基于近似簇和二分K均值网页聚类的基础上，提出“簇内误差乘方和”和“极限点收敛规则”，并构建云计算K均值网页聚类优化改进算法；通过算法改进实现高效准确的海量网页内容聚类，而且当数据量进一步扩大时实验表明优化后的云计算K均值网页聚类算法聚类结果、加速比、可拓展性方面性能上都有较大程度的提高。
计算平台驱动网页数据内容方法

[发明专利]一种基于改进的模糊C均值聚类的图像聚类方法及装置-CN201810402534.5有效
发明人：孙林;何嘉玉;赵建国;李鹏飞;李晓艳;陈岁岁;刘弱南;秦小营;赵婧;殷腾宇;王学敏 -专利权人：河南师范大学
申请日： 2018-04-28 - 公布日： 2020-09-08 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于改进的模糊C均值聚类的图像聚类方法及装置，该方法包括：输入样本图像，计算样本图像的特征值向量；将样本图像的特征值向量作为输入样本点，采用自组织神经网络算法进行分类，确定初始的聚类中心和聚类数目；采用极大似然估计算法得出样本图像对各个类的归属概率，将该归属概率作为目标函数的权值以构建目标函数；根据初始的聚类中心和聚类数目，采用改进的模糊C均值聚类算法的判别公式，通过迭代计算下一次的聚类中心，直至相邻两次的目标函数值之间的变化量小于设定的阈值本发明通过计算样本图像的特征值向量，采用自组织神经网络算法对图像进行粗聚类，确定初始的聚类中心和聚类数目，增强了聚类效果的稳定性和准确性。
一种基于改进模糊均值图像方法装置

[发明专利]基于K-Means算法改进的高频职业技能生命曲线聚类方法-CN201911030748.5在审
发明人：陈冲;司华友;万健;吴浩鹏;张伟 -专利权人：杭州电子科技大学
申请日： 2019-10-28 - 公布日： 2020-03-17 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于K‑Means算法改进的高频职业技能生命曲线聚类方法，其特征在于，包括以下步骤：1)爬取用户信息形成用户文档库；2)挖掘高频职业技能；3)构建高频职业技能生命曲线；4)使用密度峰算法选取K个职业技能生命曲线聚类中心；5)使用K‑Means算法对职业技能生命曲线进行聚类；6)采用戴维森堡丁指数评估聚类结果，评估不合格，增加职业技能生命曲线聚类中心的数量K，返回步骤4，评估合格则进入下一步；7)得到最终高频职业技能生命曲线聚类结果。本发明通过对高频职业技能生命曲线进行定义，使用密度峰算法选取合适聚类中心点，然后使用K‑Means算法进行聚类，进而比较稳定有效的找出生命曲线相似的职业技能。
基于 means 算法改进高频职业技能生命曲线方法

[发明专利]一种基于k-means算法的居民碳排放画像方法-CN202310016833.6在审
发明人：张晓花;陈星瑞;邓奎衡;范玉冰;张潘杰;吴林轩;金子昂;刘其豪;禹翔;袁安薪 -专利权人：常州大学
申请日： 2023-01-06 - 公布日： 2023-05-02 - 主分类号： G06F18/23213 文献下载
摘要：本发明涉及碳排放画像技术领域，尤其涉及一种基于k‑means算法的居民碳排放画像方法，包括搜集、筛选用户多维用能数据；设计居民碳排放画像的标签体系；对子标签数据处理并综合计算得到各维标签数据；使用SOM算法对用户用能碳排放综合数值进行初步聚类；使用k‑means聚类算法，以初步聚类的聚类中心作为参数输入参与聚类迭代过程。本发明以帮助电力公司制定合理的低碳调控措施为目标，对用户的属性进行标签化抽象，并提出和计算了各维用户的属性标签；结合SOM算法可自组织映射的优点，采用两阶段的k‑means聚类算法弥补了初始聚类中心不稳定，聚类结果易陷入局部最优的缺陷。
一种基于 means 算法居民排放画像方法

[发明专利]基于异构纹理特征的锌浮选工况状态划分方法-CN201610599656.9有效
发明人：唐朝晖;闫志浩;牛亚辉;王紫勋;史伟东 -专利权人：中南大学
申请日： 2016-07-27 - 公布日： 2019-12-17 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种基于异构纹理特征的锌浮选状态划分方法，综合了能够对高频段纹理特征效果较好的灰度共生矩阵算法，以及对中低频纹理图像具有较好建模效果的高斯马尔科夫随机场算法提取锌浮选图像纹理特征，并对将其高斯归一化作为纹理特征向量在集成聚类算法中，首先采用效率相对较高的划分聚类，消除噪声点和离群点的影响，再使用聚类质量较好、稳定性较高的层次聚类算法对划分聚类输出的聚类中心进行组合，进而得到最终的聚类结果。实验证明,本发明所提取的纹理特征量具有良好的模式可分性,集成聚类算法可以很好地将不同状态的泡沫区分开来,且这种方法可以直接在计算机上实现,成本低,效率高,易于实施。
基于纹理特征浮选工况状态划分方法

[发明专利]基于深度学习的对话新意图发现方法、系统及计算机-CN202310493175.X有效
发明人：彭澎;徐华;王进勇 -专利权人：江西尚通科技发展有限公司
申请日： 2023-05-05 - 公布日： 2023-07-14 - 主分类号： G06F16/332 文献下载
摘要：本发明提供一种基于深度学习的对话新意图发现方法、系统及计算机，该方法包括：对用户的对话信息进行特征提取得到意图特征表示；对意图特征表示进行有效聚类，以得到对话信息的全局最优聚类分配和聚类中心，并利用聚类中心构建先验聚类模型；利用全局最优聚类分配分别创建半监督训练算法和自监督对比算法，并分别利用半监督训练算法和自监督对比算法对先验聚类模型进行优化，以得到意图发现模型；获取测试样本，并利用意图发现模型对测试样本进行数据处理，本发明基于深度学习方法和预训练技术，结合已有对话实验数据训练，获得对话意图的高质量特征表示；通过多个算法提升对聚类友好的特征表示质量。
基于深度学习对话意图发现方法系统计算机

[发明专利]一种基于改进层次聚类算法的变电站聚类方法-CN202011352023.0在审
发明人：司大军;徐衍会;李玲芳;周俊东;孙鹏;胡文岳;游广增;陈义宣;陈姝敏;何烨;肖友强;高杉雪 -专利权人：云南电网有限责任公司
申请日： 2020-11-26 - 公布日： 2021-03-09 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种基于改进层次聚类算法的变电站聚类方法，所述方法将每个变电站定义为单个集合，计算所述集合的标准化基尼系数，将所述标准化基尼系数和设定的阈值比较，若所述标准化基尼系数大于所述阈值，则利用包含不公平指标的单链接聚类算法计算集合之间的距离度量，若所述标准化基尼系数小于或等于所述阈值，则利用单链接聚类算法计算集合之间的距离度量，直到所有集合的总个数小于或者等于终止值，算法结束，输出聚类结果。本申请提供了一种基于改进层次聚类算法的变电站聚类方法，通过所述方法对变电站聚类可提高聚类结果的准确度，并且通过设置基尼系数阈值，对每个大类所包含的变电站个数具有引导作用，提高结果的准确度。
一种基于改进层次算法变电站方法

[发明专利]一种基于K-Means算法和共现词的文本数据快速处理方法-CN201810498927.0在审
发明人：薛善良;肖雪;蒋丽;李梦颖 -专利权人：南京航空航天大学
申请日： 2018-05-23 - 公布日： 2018-11-06 - 主分类号： G06K9/62 文献下载
摘要：一种基于K‑Means算法和共现词的文本数据快速处理方法,其特征是基于共现词的原理计算词向量之间的相似性，并根据相似性阈值将数据划分为K+x个簇，再结合密度及聚类准则函数的思想，选取出K+x个初始聚类中心，最后在这K+x个初始聚类中心上进行K‑Means聚类算法。改进后的K‑Means聚类算法能有效减少聚类过程的迭代次数且聚类结果更准确更稳定。
初始聚类中心聚类算法快速处理文本数据聚类准则函数聚类过程聚类结果有效减少词向量迭代算法改进

[发明专利]一种基于密度的新型聚类算法-CN201811209168.8在审
发明人：翁利国;邱海锋;尉耀稳;余彬;陆岷;王亿;楼天华;许瑞;陈烨铧;陶芳洁;严洁;楼东良;沈鸿达 -专利权人：国网浙江杭州市萧山区供电有限公司;浙江中新电力工程建设有限公司自动化分公司;浙江中新电力工程建设有限公司;国网浙江省电力有限公司杭州供电公司;国家电网有限公司
申请日： 2018-10-17 - 公布日： 2019-01-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于密度的新型聚类算法，属于数据处理技术领域，先对数据集中的数据进行原始标记，然后测量标记后的数据的相似度，根据相似度对数据进行处理初次分簇聚类，再处理离群点。本发明的新型聚类算法能有效处理大型数据集，计算时间较现有的聚类算法大大缩短，在处理海量多维数据集时，聚类性能更强大，数据的聚类质量更高，能很好的满足能源领域、医疗领域、消费领域等众多领域内的数据聚类要求
聚类算法相似度聚类数据处理技术大型数据集多维数据集测量标记能源领域数据集中数据聚类消费领域医疗领域有效处理原始标记再处理

[发明专利]一种可扩展快速的轨迹聚类方法-CN201510217525.5有效
发明人：邓泽;陈小岛;陈云亮;胡阳阳;朱茂;杜波;黄晓辉 -专利权人：中国地质大学（武汉）
申请日： 2015-04-30 - 公布日： 2018-02-23 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种可扩展快速的轨迹聚类方法，首先进行局部最小生成树(MST)计算，然后生成全局MST，再利用粗粒度并行方法或者细粒度并行方法从全局MST提取聚类。本发明在点数据聚类的基础之上提出了新的轨迹聚类算法，时间开销比传统的基于模型、基于距离或者基于密度的聚类算法小，能够提高轨迹聚类速度和计算性能，同时本发明所提出的算法实现了轨迹大数据聚类的可扩展性。
一种扩展快速轨迹方法

[发明专利]一种基于图挖掘技术的基因表达模块发现方法-CN202110154318.5在审
发明人：王建东;黄致远;夏翔;袁思林;刘振宇;胡欣立 -专利权人：西安电子科技大学青岛计算技术研究院;西安电子科技大学;西电科大（青岛）计算技术研究院有限公司
申请日： 2021-02-04 - 公布日： 2022-08-05 - 主分类号： G16B40/30 文献下载
摘要：本发明公开了一种基于图挖掘技术的基因表达模块发现方法，包括经典聚类算法:MCL聚类算法，谱聚类算法，亲和传播聚类算法。本发明基于图的聚类算法，针对基因数据，将基因共表达关系建模为一个图，从而将聚类问题转化为图划分问题。通过研究基因来发现基因与疾病之间的联系，更好地了解相关疾病。分析大型全基因组基因表达数据集的关键步骤是使用模块检测方法将基因分组为共表达模块，而经典聚类算法作为大型基因表达谱检测的重要工具，在对基因数据集的研究中起着巨大作用。
一种基于挖掘技术基因表达模块发现方法

[发明专利]基于均值偏移和K均值聚类技术的图像对象提取方法-CN201110196454.7无效
发明人：陈国庆;高瞻 -专利权人：苏州两江科技有限公司
申请日： 2011-07-14 - 公布日： 2011-10-19 - 主分类号： G06K9/62 文献下载
摘要：基于均值偏移和K均值聚类技术的图像对象提取方法，先使用均值偏移进行图像平滑，先应用meanshift算法进行图像平滑消除细节信息，在进行过meanshift平滑操作后，图像的细节部分将被忽略，从而将均值偏移的结果按照其颜色信息进行进一步聚类;在这一步骤中，要求聚类过程具有较高的效率并且能够满足一定的精度要求;运用k均值聚类算法对图像进行分割;K均值聚类的算法如下：应用K-means算法进行颜色聚类以提取图像中的对象信息，均值偏移和K均值聚类算法相结合算法的时间短且效率高。从而得到拥有较好结果的图像对象提取结果。
基于均值偏移技术图像对象提取方法

[发明专利]一种故障数据标记方法及故障识别装置-CN201911128845.8有效
发明人：程弓;周之;曾祥熙;梁宇凡;李玉基;史睿冰;杨宁国;张鹏;张玉忠;李涛;李士华;赵慧赟;孙明月;赫赤;董光玲 -专利权人：中国人民解放军63850部队;中国人民解放军空军工程大学装备管理与无人机工程学院
申请日： 2019-11-18 - 公布日： 2023-06-30 - 主分类号： G06F18/23211 文献下载
摘要：本公开提供了一种故障数据标记方法及故障识别装置，属于数据处理技术领域，包括：获取未标记的故障数据集；用DPCA算法确定截断距离；应用共享邻域算法优化DPCA算法中求局部密度ρ和距离δ的方法，根据DPCA算法绘制故障数据集的聚类中心决策图；应用BIC选择准则优化聚类中心决策图，确认簇类别数及聚类中心；人工研判每个聚类中心所属的故障类别；应用DPCA算法对故障数据集聚类，并以人工研判结果为依据标记每一个数据点该方法避免误识别提高了聚类算法的准确性，自动确定未知数据集中簇类别数,解决了当前聚类算法无法对簇类别数未知的数据集进行标记的问题。
一种故障数据标记方法识别装置

[发明专利]一种植物图像分割的改进的核密度峰值聚类方法-CN202210360615.X在审
发明人：毕家泽;陈祎琼;张平哲;董梦龙;庄永志 -专利权人：安徽农业大学
申请日： 2022-04-07 - 公布日： 2022-07-22 - 主分类号： G06T7/10 文献下载
摘要：本发明提出了一种植物图像分割的改进的核密度峰值聚类方法，该方法通过利用决策图选取中心点后，利用RBF将数据映射到高维空间，然后对样本点采用两种分配策略进行聚类在高维空间中，从而更好地解决K‑Means聚类算法与DPC聚类算法在农业图像分割上的不足。通过在多个人工数据集和UCI数据集上进行试验，并与其他聚类算法进行比较，最后再应用在植物图像分割中，实验结果表明，本发明的算法具有较好的聚类效果。
一种植物图像分割改进密度峰值方法

首页
«上一页
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