“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]基于贝叶斯-k均值聚类的定位分区方法-CN201910862734.3有效
发明人：龙军;钟思伟;李斌 -专利权人：中南大学
申请日： 2019-09-12 - 公布日： 2020-10-02 - 主分类号： H04W4/02 文献下载
摘要：本发明公开了一种基于贝叶斯‑k均值聚类的室内定位分区方法，包括离线训练阶段和在线定位阶段，离线训练阶段利用k均值聚类算法将定位区域划分为若干子区域，其中初始聚类中心采用AP最近位置的初始聚类中心选择算法与现有技术相比，本发明提供的定位分区方法，通过结合AP最近位置的初始聚类中心选择算法来解决初始聚类中心选取不当导致局部最优的问题；另外结合贝叶斯算法分区预测算法来解决欧式距离无法很好拟合映射关系的问题。
基于贝叶斯均值定位分区方法

[发明专利]基于距离权重的全局k-均值聚类算法-CN201010181080.7无效
发明人：石红;刘春洁 -专利权人：天津大学
申请日： 2010-05-24 - 公布日： 2010-08-25 - 主分类号： G06F17/17 文献下载
摘要：本发明公开一种基于距离权重的全局k-均值聚类算法，有如下步骤：1)计算所有样本点的聚集权重信息；2)计算所有样本数据的均值作为第一个簇的聚类中心；3)判断是否满足终止条件，即判断q+1是否大于k，k＝1、2…，若q＞k，算法终止，否则，进入下一步骤；寻找下一个簇的最佳初始中心；通过k-均值聚类算法计算此时的聚类中心。本发明可以有效的对数据分类，通过对算法进行分析可知，相比快速全局k-均值聚类算法，本本发明所需要的时间进一步降低，因此本发明在不改变分类结果的情况下，降低了聚类所需要的时间。
基于距离权重全局均值算法

[发明专利]一种数据挖掘中基于线性判别分析的改进型K均值聚类方法-CN201310582288.3无效
发明人：王堃;张玉华;孙雁飞;吴蒙;郭篁;陈思光 -专利权人：南京邮电大学
申请日： 2013-11-18 - 公布日： 2014-03-26 - 主分类号： G06F17/30 文献下载
摘要：一种数据挖掘中基于线性判别分析的改进型k均值聚类方法，即LKM算法，首先运用线性判别分析（LDA）对原始的n维数据集A进行线性降维，得到l维的数据集Y，然后运用k均值聚类算法对于降维后的数据集Y进行聚类分析本发明采用数据降维与K均值聚类方法结合的方法，利用数据降维技术弥补k均值聚类算法面对高维数据时的缺陷。通过数据降维来达到减轻维数灾难和消除高维空间中其他不相关属性的目的。同时，这也提高了k均值聚类算法处理高维数据的性能，弥补了k均值聚类算法的相关缺陷。
一种数据挖掘基于线性判别分析改进型均值方法

[发明专利]叶片类零件的3+2轴无支撑3D打印制造方法-CN201911310642.0有效
发明人：吴宝海;李成林;张莹;郑海;张阳 -专利权人：西北工业大学
申请日： 2019-12-18 - 公布日： 2021-11-16 - 主分类号： B29C64/386 文献下载
摘要：本发明公开了一种叶片类零件的3+2轴无支撑3D打印制造方法，用于解决现有叶片类零件的多轴3D打印制造方法复杂的技术问题。技术方案是将叶片类零件通过改进的谱聚类算法分割为多个子块，相较于背景技术采用Z平面简单直接分割方法，考虑了叶片在不同Z方向的相似、相邻程度，使得划分出的子块的表面法向量更为统一，避免了打印时的“台阶效应”，还能根据聚类算法自动确定聚类个数，弥补了传统谱聚类算法的不足，同时基于两个准则的迭代算法还能自动给出最优的聚类个数，弥补传统谱聚类算法需要手动给出聚类个数的不足，本发明方法计算出的主打印方向对各子块进行打印
叶片零件支撑打印制造方法

[发明专利]一种面向均衡控制的电池动态分组方法-CN201811624171.6有效
发明人：刘征宇;魏自红;赵靖杰;杨超 -专利权人：合肥工业大学
申请日： 2018-12-28 - 公布日： 2022-09-20 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种面向均衡控制的电池动态分组方法，首先测量单体端电压及估算单体SOC，作为电池状态向量输入聚类算法中，然后利用提出的基于密度模糊c均值聚类算法确定初始聚类中心及初始隶属度矩阵，最后按照既定算法流程进行迭代运算，得出电池聚类分组结果，完成电池动态分组，为后续的均衡操作奠定基础。
一种面向均衡控制电池动态分组方法

[发明专利]人像档案聚档评估方法、装置、电子设备及存储介质-CN201911426177.7在审
发明人：尹义 -专利权人：深圳云天励飞技术有限公司
申请日： 2019-12-31 - 公布日： 2021-07-16 - 主分类号： G06K9/00 文献下载
摘要：本申请提供了一种人像档案聚档评估方法、装置、电子设备及存储介质，该方法包括：获取用户发送的人像档案聚档的评估请求，所述评估请求中包括目标聚类算法模型的标识信息；根据所述标识信息调用所述目标聚类算法模型对样本人像数据集和干扰人像数据集进行聚档，得到至少一个聚档结果；检测所述聚档结果以获取有效聚档结果；获取所述有效聚档结果的分值，并根据所述有效聚档结果的分值得到所述目标聚类算法模型的聚档评估结果。本申请实施例根据聚档结果得到人像聚档效果的衡量指标，利用该衡量指标能够对聚类算法模型的人像聚档效果进行有效的评估。
人像档案评估方法装置电子设备存储介质

[发明专利]检测图形模式中的缺失实体-CN201910596866.6有效
发明人： C·M·特里姆;C·E·贝勒;S·佩尔文;C·A·罗德里格斯布拉沃 -专利权人：国际商业机器公司
申请日： 2019-07-03 - 公布日： 2023-06-06 - 主分类号： G06F18/23213 文献下载
摘要：使用聚类算法将特定域的未标记非结构化数据分成多个Voronoi单元，该聚类算法利用在图形模式中存在的与特定域对应的实体类型数量成比例的聚类质心来初始化。使用聚类算法的聚类初始化公式初始化超出在图形模式中存在的与特定域对应的实体类型数量的一个附加聚类。确定一个附加聚类是否被填充。响应于确定一个附加聚类被填充，确定在图形模式中存在的实体类型数量中缺失实体类型。将缺失的实体类型添加到图形模式中。
检测图形模式中的缺失实体

[发明专利]基于地标点表示的谱聚类方法-CN201210168089.3无效
发明人：蔡登;陈鑫磊;何晓飞 -专利权人：浙江大学
申请日： 2012-05-24 - 公布日： 2012-11-28 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于地标点表示的谱聚类方法，其实施步骤如下：1)输入数据X和聚类数k；2)在数据X中通过Kmeans聚类算法或者随机采样产生P个地标点；3)将所述数据X基于所述P个地标点构建稀疏表示矩阵Z；4)根据所述稀疏表示矩阵Z计算ZTZ的前k个特征向量A；5)根据所述稀疏表示矩阵Z计算Z的右奇异向量得到ZZT的前k个特征向量BT；6)对特征向量BT的每一行通过Kmeans聚类算法进行Kmeans聚类，最终输出聚类结果。本发明具有谱聚类算法效率高、计算复杂度低、聚类效果好的优点。
基于标点表示谱聚类方法

[发明专利]一种基于聚类算法的图像边缘拟合B样条生成方法-CN201210030885.0有效
发明人：傅涛;傅德胜;陈雯雯;高华 -专利权人：江苏博智软件科技有限公司
申请日： 2012-02-13 - 公布日： 2012-07-25 - 主分类号： G06T5/00 文献下载
摘要：基于聚类算法的图像边缘拟合B样条生成方法，采用聚类算法，将canny算子生成的边缘离散点的梯度差作为聚类算法的聚类判断公式，选择等距离点作为聚类算法的初始类中心，使用聚类算法迭代生成各类核，使用核作为B采用3×3领域，在像素8领域内通过计算x方向，y方向，45°方向和135°的一阶偏导的差分来计算图像梯度幅值和方向；选取高低阈值进一步过滤，得到边缘点集；通过离散边缘点集创建边缘点结构体数组，本发明使用聚类方法作为
一种基于算法图像边缘拟合生成方法

[发明专利]一种自适应密度峰值的聚类集成系统及方法-CN202310398943.3在审
发明人：许贺洋;李娜;徐森;花小朋;皋军;刘博通;郭乃瑄;陈博炜;刘轩琦;高婷;孙雯;徐畅 -专利权人：盐城工学院;盐城工学院技术转移中心有限公司
申请日： 2023-04-13 - 公布日： 2023-08-11 - 主分类号： G06F18/2321 文献下载
摘要：本发明提供一种自适应密度峰值的聚类集成系统及方法，其中，系统包括：数据获取模块，用于获取数据集；聚类成员生成模块，用于基于近邻传播算法对数据集进行处理，生成聚类成员；聚类集成模块，用于基于自适应密度峰值聚类算法确定聚类中心和截断距离，再根据聚类中心和截断距离对数据集进行聚类划分，得到聚类结果；聚类结果评价模块，用于聚类结果进行评价。本发明的自适应密度峰值的聚类集成系统及方法，通过寻找基尼系数最小值，找到所对应的截断距离，再构建二维决策图，自动确定聚类中心，减少人工设定截断距离的误差，提高了聚类效果。
一种自适应密度峰值集成系统方法

[发明专利]一种基于改进的Single‑pass聚类算法的微博话题检测方法-CN201711223603.8在审
发明人：沈琦;高云雪 -专利权人：北京工业大学
申请日： 2017-11-29 - 公布日： 2018-03-23 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于改进的Single‑pass聚类算法的微博话题检测方法，包括微博文本内容采集，文本预处理，基于LDA建立文本向量模型，基于改进的Single‑pass聚类算法进行文本聚类，结果评测；改进的Single‑pass聚类算法包括增加时间参数、对类别数据计算聚类中心点和批量输入数据。本发明通过增加时间参数，保证话题的同一性；通过对类别数据计算聚类中心点，新数据与聚类中心点进行比较，这样有助于减少新数据与每条数据比较的次数，提高了计算的效率；通过对数据批量输入，即对数据先进行聚类然后再输入，新输入的聚类中心点和已聚类好的中心点进行比较，提高了运算效率，节省了运算空间。
一种基于改进 single pass 算法话题检测方法

[发明专利]一种针对人脸深度聚类的多层次去偏方法-CN202210921862.2在审
发明人：陈晋音;曹志骐;郑海斌 -专利权人：浙江工业大学
申请日： 2022-08-02 - 公布日： 2022-12-30 - 主分类号： G06V10/762 文献下载
摘要：一种针对人脸深度聚类的多层次去偏方法，包括：(1)获取人脸数据集；(2)对获取的人脸数据集基于数据增强的方法进行预处理，来扩充数据集；(3)搭建深度聚类模型,设计深度表征学习模型和聚类模型，通过反馈机制实现深度聚类；(4)深度表征学习去偏，基于均值滤波对深度表征学习模型中的偏见神经元进行去偏；(5)聚类算法去偏，基于生成式对抗网络对聚类算法K‑Means进行数据去偏，搭建去偏生成网络和去偏判别网络，设计针对聚类算法去偏的损失函数；(6)交替联合去偏,对步骤(4)和步骤(5)已经完成去偏操作的模型进行交替联合，即将深度表征学习模型和聚类模型组合成深度聚类模型，对深度聚类模型进行一个联合去偏。
一种针对深度多层次偏方

[发明专利]一种基于谱聚类和增强学习的自适应人脸图像聚类方法-CN201910663760.3有效
发明人：钱丽萍;俞宁宁;周欣悦;吴远;黄亮 -专利权人：浙江工业大学
申请日： 2019-07-23 - 公布日： 2021-08-03 - 主分类号： G06K9/00 文献下载
摘要：一种基于谱聚类和增强学习的自适应人脸图像聚类方法，包括以下步骤：1)应用深度卷积神经网络DCNN实现对数据库中所有人脸图片的特征表示；2)应用谱聚类算法实现对图像表征的聚类；3)基于增强学习算法自适应搜索最优的聚类数目和谱聚类降维参数，首先，给定期望聚类搜索范围，设定搜索步长及搜索起始点；接着执行Q‑Learning算法，在搜索范围内尝试所有可能的调参行为，并选择使得聚类性能最优的行为给予最大正向回报；直至所有行为都无法使得性能优化本发明通过动态调参和自适应搜索，能够帮助找到全局最优聚类数目和降维数，提升人脸图像聚类性能。
一种基于谱聚类增强学习自适应图像方法

[发明专利]一种基于元学习的车辆轨迹聚类方法及系统-CN202010238469.4有效
发明人：曹菁菁;赖馨;夏飞;余达旭 -专利权人：武汉理工大学
申请日： 2020-03-30 - 公布日： 2023-04-18 - 主分类号： G06F18/23 文献下载
摘要：本发明公开一种基于元学习的车辆轨迹聚类方法及系统，属于车辆轨迹聚类技术领域，解决了现有技术中多种不同类型轨迹数据采用单一一种轨迹聚类算法，无法得到最佳的聚类结果的问题。一种基于元学习的车辆轨迹聚类方法，包括以下步骤：采集不同类型的GPS车辆轨迹数据，获取不同类型GPS车辆轨迹数据对应的最佳DBSCAN聚类算法；采集GPS车辆轨迹数据，训练得到用于车辆轨迹类型划分的元学习器；利用所述元学习器获取所述GPS车辆轨迹数据的对应的车辆轨迹类型，利用该车辆轨迹类型对应的最佳DBSCAN聚类算法对该GPS车辆轨迹数据进行聚类，得到该GPS车辆轨迹数据的聚类结果。实现了对于多种不同类型的轨迹数据，均能得到最佳的聚类结果。
一种基于学习车辆轨迹方法系统

[发明专利]基于子类数目自动确定的改进密度峰值聚类方法及系统-CN201810502889.1在审
发明人：许鸿文;薛印玺;陈雯;李羚;殷蔚明;谢靖 -专利权人：中国地质大学（武汉）
申请日： 2018-05-23 - 公布日： 2018-11-02 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于子类数目自动确定的改进密度峰值聚类方法及系统，其核心思想是：首先对样本点的综合量γ的分布图进行处理，获取最有可能成为聚类中心点的若干样本点；然后以这些得到的样本点作为DBSCAN算法每次迭代的初始核心点进行DBSCAN聚类，最终获得聚类子类的准确数目。实施本发明的基于子类数目自动确定的改进密度峰值聚类方法及系统具有以下有益效果：AC‑CFSFDP算法可以在无人为介入的情况下，自动得到与CFSFDP算法相同的聚类结果；AC‑CFSFDP算法只需运行一次便可以得到正确结果，从而AC‑CFSFDP算法在实现CFSFDP算法自动性的基础上克服人为干预对它造成的错误，提高了CFSFDP的准确率。
算法聚类子类自动确定样本点改进核心思想聚类结果聚类中心人为干预分布图无人为自动性准确率迭代