“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]一种面向k-means聚类算法的联邦学习方法-CN202110473993.4有效
发明人：刘健;田志华;张睿;侯潇扬;任奎 -专利权人：浙江大学
申请日： 2021-04-29 - 公布日： 2022-05-17 - 主分类号： G06N20/20 文献下载
摘要：本发明公开了一种面向k‑means聚类算法的联邦学习方法，该方法包括纵向联邦学习与横向联邦学习。横向联邦学习，包括如下步骤：1)初始化K个聚类，不同参与者将本地样本分给距离该样本最近的聚类2)对每个聚类，计算该聚类的新的聚类中心。3)如果聚类中心发生变化，那么回到步骤1)；纵向联邦学习，包括如下步骤：1)L个参与者分别在本地运行k‑means聚类算法得到T个聚类且做交集得到新的TL个聚类或AP聚类算法得到Ti个聚类且做交集得到新的一种面向 means 算法联邦学习方法

[发明专利]一种用于适配测试的图像聚类方法、装置及介质-CN201910836098.7有效
发明人：高威;方李志;徐胜利;陈易林 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-09-05 - 公布日： 2021-06-15 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种用于适配测试的图像聚类方法、装置及介质。方法包括：响应于适配测试中的目标操作指令，获取多个初始图像，得到初始图像集合；提取每个初始图像对应的图像特征；当初始图像集合中初始图像对应的第一图像数量大于第一阈值时，基于划分聚类算法和层次聚类算法对初始图像集合进行聚类处理；当初始图像集合中初始图像对应的第一图像数量小于或等于第一阈值时，基于层次聚类算法对初始图像集合进行聚类处理。根据集合中图像数量的不同，采用不同的聚类处理方式，综合考虑了进行聚类处理的效果和效率。基于目标聚类结果里异常图像所属类别中图像的量级，能够提高适配测试中进行异常图像检查的效率。
一种用于测试图像方法装置介质

[发明专利]一种实时聚类推荐的方法、设备及介质-CN202110121779.2有效
发明人：任德鑫;崔乐乐;边松华 -专利权人：天元大数据信用管理有限公司
申请日： 2021-01-28 - 公布日： 2022-03-22 - 主分类号： G06Q30/06 文献下载
摘要：本申请公开了一种实时聚类推荐的方法、设备及介质，方法包括：获取多个用户，用户具有多个用户特征；通过聚类算法对用户特征进行初始聚类，得到第一聚类结果；通过评价算法对第一聚类结果进行精度评价，针对第一聚类结果中的各类，达到精度要求的则予以通过，达不到精度要求的则调整所述聚类算法的参数，并进行重新聚类，直至全部达到精度要求，以得到第二聚类结果；针对第二聚类结果中的各类，从商品库中实时召回，得到每类对应的多个商品，并根据多个商品向该类中包含的用户进行推荐可以保证用户聚类的准确性，同时，提升了用户的使用体验感，保证了系统架构的运行速度，避免了因占用过多服务器资源而导致的延迟、卡顿等问题。
一种实时类推方法设备介质

[发明专利]一种基于遗传算法的近邻传播聚类方法-CN201910829931.5无效
发明人：周金治;赖键琼 -专利权人：西南科技大学
申请日： 2019-09-04 - 公布日： 2019-12-06 - 主分类号： G06K9/62 文献下载
摘要：一种基于遗传算法的近邻传播聚类方法，属于数据挖掘领域。其特征在于先对数据进行预处理，然后采用近邻传播聚类算法对数据集进行聚类分析。imgContent="drawing" imgFormat="GIF" inline="no" orientation="portrait" wi="7"/>作为工作基础，并将所有的数据对象看作潜在聚类中心；其次利用遗传算法获取最优偏向参数和阻尼因子；最后利用求得的最优解在吸引度矩阵和归属度矩阵中不断更新迭代，直到达到终止条件，完成聚类并获取聚类结果。该算法有效地克服了标准近邻传播聚类算法对偏向参数和阻尼因子的敏感问题，提高了聚类算法的准确率，且聚类数目更接近真实数据集类数，可有效应用于各类数据的聚类分析。
聚类分析聚类算法聚类矩阵偏向参数遗传算法阻尼因子传播预处理相似度矩阵工作基础聚类结果聚类中心敏感问题欧氏距离数据对象数据挖掘真实数据终止条件归属度数据集吸引度相似度有效地最优解准确率迭代算法更新

[发明专利]一种基于密度和扩展网格的数据流聚类方法-CN201710509733.1在审
发明人：杜韬;华峥;牟国栋;曲守宁;张坤;朱连江;王钦 -专利权人：济南大学
申请日： 2017-06-28 - 公布日： 2017-10-20 - 主分类号： G06F17/30 文献下载
摘要：本发明涉及一种基于密度和扩展网格的数据流聚类方法，利用Spark并行计算平台，对传统的数据流聚类算法进行了分析和改进，提出了基于密度和扩展网格的数据流聚类算法，改进了人工设置聚类参数的缺陷，可以得到任何形状的聚类，算法基本步骤如下1、采用每个采样点的局部密度和与其他采样点的距离，确定了网格中的聚类中心数，自动确定聚类中心，避免了初始质心选取不当对聚类结果的影响；2、网格聚类以外的数据点，通过扩展网格，扩展了网格内的聚类，确保了聚类的准确性；3、引入相邻密度估计与网格边界实现网格的合并，节省内存消耗；4、采用衰减因子实时更新网格密度，反应空间数据流的演变过程。
一种基于密度扩展网格数据流方法

[发明专利]基于时间序列的多维距离聚类异常检测方法及系统-CN201910783824.3在审
发明人：丁建立;黄天镜;王静;王怀超 -专利权人：中国民航大学
申请日： 2019-08-23 - 公布日： 2019-11-22 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于时间序列的多维距离聚类异常检测方法及系统，属于航空安全技术领域，所述基于时间序列的多维距离聚类异常检测方法包含下列步骤：步骤一：对轨迹数据集进行预处理，所述预处理包括清洗和再整合；步骤二：计算轨迹间多维相似度；步骤三：对于上述多维Hausdorff距离，构造轨迹间相似性矩阵；步骤四：多维hausdorff距离的层次聚类算法；选择机器学习中的层次聚类算法基于上述相似性矩阵进行层次聚类；步骤五：检测算法的异常检测效果，构造出在速度、方向、经度、纬度上有异常的轨迹，通过上述层次聚类算法将异常轨迹与正常轨迹聚类，并选用正确率、精确率、召回率、F1值来评价聚类算法。
多维层次聚类算法异常检测聚类预处理相似性矩阵时间序列层次聚类构造轨迹轨迹数据航空安全机器学习检测算法聚类算法异常轨迹正常轨迹经度相似度正确率纬度整合清洗

[发明专利]一种基于AP聚类算法的作物图像分割方法-CN201710554933.9在审
发明人：许立兵;周振;韩冰;周望;徐爱国;金红伟;孙涵;陈鹏斐 -专利权人：江苏省无线电科学研究所有限公司
申请日： 2017-07-07 - 公布日： 2017-10-20 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于AP聚类算法的作物图像分割方法，其中，包括基于AP聚类算法对原始作物图像进行聚类处理得到聚类后的图像，其中所述基于AP聚类算法对原始作物图像进行聚类处理；将所述原始作物图像置于不同光照下得到不同光照下的作物图像，并统计不同光照下的作物图像的亮度和色度关系，其中所述统计不同光照下的作物图像的亮度和色度关系；根据所述色度‑亮度关系图表对所述原始作物图像进行图像分割得到粗分割图像，并将所述粗分割图像与所述聚类后的图像进行区域重合得到作物分割图像本发明提供的基于AP聚类算法的作物图像分割方法，能够快速将作物从户外不同光照下的复杂背景图像中准确的提取出来。
一种基于 ap 算法作物图像分割方法

[发明专利]一种输电线路外力破坏事件可视化分析方法及系统-CN202111242889.0在审
发明人：朱瑾;赵玉芳;茹立鹏;李云鹏;李振宇;王兴勋 -专利权人：北京国网富达科技发展有限责任公司
申请日： 2021-10-25 - 公布日： 2022-01-04 - 主分类号： G06F16/29 文献下载
摘要：本发明涉及一种输电线路外力破坏事件可视化分析方法及系统，方法包括：筛选所述案例库中符合筛选条件的外力破坏事件；采用Canopy聚类算法确定最终聚类中心的个数k；采用K‑means++算法根据符合筛选条件外力破坏事件确定k个最终聚类中心；以最终聚类中心为圆心，以特征距离为半径确定聚集区域；将符合筛选条件外力破坏事件、最终聚类中心以及聚集区域在呈现在GIS地图上进行可视化显示。本发明基于Canopy聚类算法和Kmeans++算法自动快速聚类得到外力破坏事件发生的聚集中心以及聚集区域，将符合筛选条件外力破坏事件、最终聚类中心以及聚集区域呈现在GIS地图上，直观反应重点高危线路的分布特征
一种输电线路外力破坏事件可视化分析方法系统

[发明专利]一种乡村供用能典型场景确定方法及系统-CN202210677456.6在审
发明人：杨佳霖;何欣;赵鹏翔;杨勇;周喜超;王冰;周治伊;丛琳;张海龙;刘文飞;牛浩明 -专利权人：国网甘肃省电力公司电力科学研究院;国网综合能源服务集团有限公司
申请日： 2022-06-16 - 公布日： 2022-11-04 - 主分类号： G06Q50/06 文献下载
摘要：本发明公开了一种乡村供用能典型场景确定方法及系统，采用CIW‑SPSO对乡村供用能样本集选取初始聚类中心，后通过双尺度相似性的K‑means聚类算法对选取样本聚类划分类簇，最后采用同步回代消除算法从每个类簇内的样本集合中提取唯一样本结合双尺度综合距离，使用基于Logistic映射的CIW‑SPSO生成初始聚类中心，寻优能力强，收敛速度快，能够在整个搜索区域内得到使聚类目标函数尽可能小的聚类中心，有效地减少K‑means算法对初始中心的依赖，提高算法的聚类精度。能用少量乡村供用能典型场景描述大量复杂性场景特征，样本聚类效果稳定，场景缩减时间短，降低计算复杂度。
一种乡村供用能典型场景确定方法系统

[发明专利]一种基于t-SNE的成绩聚类分析方法-CN202010410844.9有效
发明人：李波;白双霞;翟玉媛;何瑞寅 -专利权人：西北工业大学
申请日： 2020-05-15 - 公布日： 2023-03-24 - 主分类号： G06F18/23213 文献下载
摘要：本发明提供了一种基于t‑SNE的成绩聚类分析方法，导入原始数据，对高维成绩数据进行t‑SNE降维，对t‑SNE降维后的成绩数据进行K‑Means聚类处理，得到聚类结果。本发明对原始数据进行预处理之后，利用t‑SNE算法将高维空间上的数据降维后，再用K‑Means算法对原始数据进行聚类，有效的解决了数据维度过高带来的聚类效果不理想的问题。由于t‑sne降维法较完整的保留了高维数据的分布特征，用降维后数据的聚类结果还原得到高维数据的聚类结果。通过比较先降维后聚类和直接对高维数据的聚类的结果，可以看出降维算法在学生成绩分析算法上的优越性。
一种基于 sne 成绩聚类分析方法

[发明专利]一种基于混合聚类算法的共享站点选址方法-CN202210638433.4在审
发明人：英春;施驰展;孟凡浩;韩小强;孙莎莎;朱元亮;尹维月;赵军章 -专利权人：圆通速递有限公司
申请日： 2022-06-07 - 公布日： 2022-09-23 - 主分类号： G06Q10/08 文献下载
摘要：本发明公开了一种基于混合聚类算法的共享站点选址方法，将已存储的快递派件地址数据集获作为样本点数据集，结合DBSCAN算法和K‑means算法作为混合聚类算法对样本点数据集进行聚类，获取多个共享站点候选地址同时，本发明采用拟合曲线函数优化各共享站点候选地址，从而确定最佳共享站点地址，包括以下步骤：获取快递派件地址数据集；基于快递派件地址数据集获取样本点数据集；采用混合聚类算法对样本点数据集进行聚类，获取多个共享站点候选地址
一种基于混合算法共享站点选址方法

[发明专利]一种结合稀疏编码和空间约束的红外图像聚类分割方法-CN201610044373.8在审
发明人：宋长新;马克;李安强;陈晓芳;景毓筱;徐星 -专利权人：青海师范大学
申请日： 2016-01-20 - 公布日： 2016-07-20 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种结合稀疏编码和空间约束的红外图像聚类分割方法，包括如下步骤：步骤1，建立稀疏编码观点下的K‑means聚类算法目标函数；步骤2，建立结合稀疏编码的聚类分割算法目标函数；步骤3，建立空间约束下的聚类分割算法目标函数；步骤4，利用所建立的空间约束下的聚类分割算法目标函数，随机选取样本初始化字典后，首先求解稀疏系数，然后更新字典，计算聚类中心和隶属度，最后完成聚类分割。
一种结合稀疏编码空间约束红外图像分割方法

[发明专利]一种电力系统典型运行方式确定方法及系统-CN202210928500.6在审
发明人：周志勇;李艳丽;李鹏飞;林泽源;张凡;韩本帅;王子辉;贾燕冰;李春汛;范中泽;陈龙超;赵亮;郝克;田会 -专利权人：山东电力工程咨询院有限公司
申请日： 2022-08-03 - 公布日： 2022-11-01 - 主分类号： H02J3/00 文献下载
摘要：本公开提供了一种电力系统典型运行方式确定方法及系统，所述方案综合考虑了时间序列的数值距离和形态波动特性，将欧式距离和动态时间弯曲距离相结合为欧式动态弯曲距离，以此作为相似度算法对模糊C均值算法进行改进；通过结合峰值密度思想和欧式动态弯曲距离对数据预处理，从而得到改进模糊C均值聚类算法的初始聚类中心，进而通过改进模糊C均值聚类算法实现新能源典型日的聚类计算，最后通过聚类评价指标轮廓系数选择最优聚类数以及典型日聚类结果
一种电力系统典型运行方式确定方法系统

[发明专利]一种基于半监督聚类的cop-kmeans方法与系统-CN201810794033.6在审
发明人：丁世飞;秦悦;从林 -专利权人：中国矿业大学
申请日： 2018-07-19 - 公布日： 2019-03-01 - 主分类号： G06K9/62 文献下载
摘要：本发明公布了一种基于半监督聚类的cop‑kmeans方法与系统，涉及kmeans算法和基于半监督聚类的cop‑kmeans算法，有效的利用先验知识来提高半监督聚类算法的性能。本发明选择引入成对约束，利用数据对象之间的约束规则对数据对象进行分配，提高聚类的质量，属于人工智能及图像分类领域。本发明主要包括如下内容：步骤1：数据预处理；步骤2：定义距离函数；步骤3：按照最小距离原则聚类；步骤4：评价或输出，确定最终聚类成果。本方法成功的将带有背景知识的先验条件应用于聚类中。
聚类半监督聚类数据对象算法半监督聚类算法数据预处理人工智能背景知识成对约束定义距离图像分类先验条件先验知识约束规则最小距离输出引入分配应用成功

[发明专利]画单生成方法及装置，电子设备，计算机可读存储介质-CN201811105767.5在审
发明人：周希波;李慧 -专利权人：京东方科技集团股份有限公司
申请日： 2018-09-21 - 公布日： 2019-01-18 - 主分类号： G06K9/62 文献下载
摘要：一种画单生成方法包括：获取画作数据和用户行为数据；利用预先设置的聚类算法组对所述画作数据和所述用户行为数据进行聚类，得到聚类结果；根据所述聚类结果生成画单。本实施例中利用(包括多个聚类算法的)聚类算法组对画作数据进行聚类，提高生成画单的效率和准确率。
用户行为数据聚类算法计算机可读存储介质电子设备聚类结果聚类组对预先设置准确率喜好