“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]基于谱聚类的子空间聚类算法的数据处理方法及装置-CN202010716572.5有效
发明人：高冉;陈花竹;丁箭飞;孙旭明;张洪涛;司马大伟 -专利权人：中原工学院
申请日： 2020-07-23 - 公布日： 2021-09-03 - 主分类号： G06F16/55 文献下载
摘要：本发明公开了一种基于谱聚类的子空间聚类算法的数据处理方法及装置。其中，该方法包括：确定谱聚类算法，确定待处理的数据集合的相似度矩阵的稀疏性正则项，将稀疏性正则项代入谱聚类算法，得到子空间聚类算法，根据子空间聚类算法对待处理的数据集合进行处理。通过谱聚类算法捕获数据的自表示矩阵和指标矩阵之间的自然关系，使数据具有有利于聚类的一些特性，进而通过稀疏性加权值，纳入谱聚类算法，进一步提高聚类的有效性，从而解决了相关技术中没有充分利用相似度矩阵与数据标签之间的关系，聚类性能较差，导致数据处理的效果差的技术问题。
基于谱聚类空间算法数据处理方法装置

[发明专利]一种基于Hadoop的自适应RK‑means算法-CN201610593815.4在审
发明人：张治中;侯静 -专利权人：重庆邮电大学
申请日： 2016-07-26 - 公布日： 2017-01-04 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于Hadoop的自适应RK‑means算法，属于数据挖掘技术领域。该算法包括以下步骤：S1：根据业务需求，输入待聚类的数据集；S2：运用基于Hadoop的自适应聚类中心算法获取聚类中心点及数目；S3：将上一步的结果作为算法的初始聚类中心，输入到基于Hadoop的RK‑means算法中，获取全局最优的聚类簇；S4：输出聚类结果。本算法将自适应初始聚类中心选取算法与RK‑means算法相结合起来，并且在Hadoop平台下实现了自适应RK‑means算法，不但保证了聚类中心数目的准确获取，而且保证了聚类中心的全局最优，在提高聚类结果的准确性的同时，也提升了算法的运行效率。
一种基于 hadoop 自适应 rk means 算法

[发明专利]一种基于机器学习的基因表达谱聚类方法-CN201910539449.8在审
发明人：彭绍亮;潘佳铭;张磊 -专利权人：湖南大学
申请日： 2019-06-20 - 公布日： 2019-09-17 - 主分类号： G06K9/62 文献下载
摘要：本发明属于机器学习领域，涉及机器学习中的聚类，特别涉及基于机器学习的基因表达谱聚类算法，属于机器学习在生物大数据分析上的应用。通过将多种单一聚类算法组成一种混合聚类方法的方式，解决了传统单一聚类算法中由于聚类算法不适用于数据组时而导致聚类效果不理想的情况，并且混合聚类方法可以通过比较各不同单一算法的聚类结果，得到具有最优解的聚类结果，以解决聚类最优解的问题。本方法具有适用范围广的优点，可以适用于所有数据组，并且本方法具有很高的移植性，任何单一的聚类算法均可以适用。
聚类聚类算法基因表达谱基于机器机器学习聚类结果数据组最优解机器学习领域单一算法大数据移植性学习应用分析

[发明专利]一种基于布谷鸟优化的模糊聚类彩色图像分割方法-CN201610308585.2在审
发明人：朱春;孙力娟;李林国 -专利权人：南京邮电大学
申请日： 2016-05-11 - 公布日： 2016-09-28 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于布谷鸟优化的模糊聚类彩色图像分割方法。首先输入待分割的图像，提取该图像的色彩特征；利用布谷鸟算法对模糊聚类算法的聚类中心进行优化；应用改进的模糊聚类算法，在图像的色彩空间中对像素点进行聚类；上述输出的聚类中心，计算隶属度矩阵；根据前述输出的聚类中心和隶属度矩阵对图像的像素进行划分本发明选取合适人眼感知的色彩空间HSV，这样有利于提高分割的效果，然后针对传统模糊聚类算法容易陷入局部最优值的缺陷，提出利用布谷鸟算法优化模糊聚类中心的迭代过程，因此提高了聚类算法的运算速度和收敛速度，有效地解决了聚类中心的初始值对聚类算法影响过大的问题，具有良好的聚类效果。
一种基于布谷鸟优化模糊彩色图像分割方法

[发明专利]凝聚型层次聚类算法优化系统、方法、设备、介质及终端-CN202210453344.2有效
发明人：吴哲;李志鹏;石珺;廖勇;杨阳朝 -专利权人：深圳市网联安瑞网络科技有限公司
申请日： 2022-04-27 - 公布日： 2022-07-29 - 主分类号： G06F16/35 文献下载
摘要：本发明属于自然语言处理技术领域，公开了凝聚型层次聚类算法优化系统、方法、设备、介质及终端，对凝聚型层次聚类算法的计算过程进行优化，将目标聚类样本拆分为多个组团，对不同组团分别进行聚类后，对不同聚类组团进行合并，得到最终的聚类结果。为避免计算量随样本量增加呈指数级增长的问题，有效提升凝聚型层次聚类算法的计算效率。本发明优化后的算法能够支持多进程计算，针对不同组团的聚类可同步进行，通过对多进程计算的支持，可显著提升计算效率。针对10000条文本数据进行聚类测试，本发明优化后的算法聚类部分计算时长约为30.1s，传统算法聚类部分计算时长约为101.5s，优化后算法聚类计算效率有显著提升。
凝聚层次算法优化系统方法设备介质终端

[发明专利]一种基于改进聚类算法的电网负荷数据挖掘方法-CN202211453470.4在审
发明人：龙云;卢有飞;刘璐豪;梁雪青;陈明辉;张少凡;邹时容;赵宏伟;吴任博;张扬;蔡燕春;刘璇 -专利权人：广东电网有限责任公司广州供电局
申请日： 2022-11-21 - 公布日： 2023-05-02 - 主分类号： G06F16/2458 文献下载
摘要：本发明公开了一种基于改进聚类算法的电网负荷数据挖掘方法，所述方法包括：对待挖掘负荷历史数据进行染色体编码，得到染色体形式数据；划分染色体形式数据的初始种群；根据标准差分进化算法，对所述初始种群进行操作，输出最优的聚类中心；基于所述聚类中心，根据聚类算法，对待挖掘负荷历史数据进行聚类计算，输出聚类结果；根据聚类结果，挖掘待预测时期的负荷数据。本发明采用的动态自适应的交叉算法设计，有效地汲取了遗传算法优秀的全局搜索能力，克服了单纯K‑means聚类算法容易陷入局部最优的难题，并且提升了算法收敛速度。最终实现了良好的聚类效果、精度高的聚类划分，并且具有较高的稳定性。
一种基于改进算法电网负荷数据挖掘方法

[发明专利]Hadoop平台下的C-DBSCAN-K聚类算法-CN201710495491.5有效
发明人：王彬;安涛;吕征 -专利权人：三盟科技股份有限公司
申请日： 2017-06-26 - 公布日： 2020-07-31 - 主分类号： G06F16/182 文献下载
摘要：Hadoop平台下的C‑DBSCAN‑K聚类算法，包括以下步骤：步骤1，建立能够相互通信的集群；步骤2，为集群建立Hadoop平台；步骤3，使用dfs–put命令将待聚类数据集A上传至HDFS；步骤4，执行Canopy聚类算法对A中的数据进行初始聚类，得到粗粒度的聚类结果；步骤5，在步骤4得到的聚类上构造k‑d树；步骤6，对步骤4得到的聚类执行DBSCAN算法，使用k‑d树查询每个聚类中数据对象的ε‑邻域，输出聚类结果；步骤7，将步骤6中具有相同数据的聚类进行合并，输出聚类结果。本发明的算法解决了现有技术中存在的DBSCAN聚类算法在大规模数据集上聚类效率低下的问题。
hadoop 平台 dbscan 算法

[发明专利]一种基于半监督约束的人工蜂群优化聚类方法-CN202310412843.1在审
发明人：邱宁佳;胡小娟;张彬;王鹏 -专利权人：长春理工大学
申请日： 2023-04-18 - 公布日： 2023-09-29 - 主分类号： G06F18/23 文献下载
摘要：本发明公开了一种基于半监督约束的人工蜂群优化聚类方法，本方法首先使用有标记数据生成成对约束指导邻接矩阵生成，完善邻接矩阵信息提高谱聚类准确率；然后结合人工蜂群算法，提出区域优化搜索提高查找数据聚类中心速度，重构人工蜂群算法适应度函数提高查找数据聚类中心精确度，利用人工蜂群算法寻找到合理的聚类中心；最后使用K‑means算法结合拉普拉斯矩阵和优化后的聚类中心完成聚类工作，通过UCI数据集的聚类算法对比实验结果发现，该算法能够在较短的时间找到合理的聚类中心点，进而得到更精确的聚类结果，具有鲁棒性好、精度高和聚类效果好的特点。
一种基于监督约束人工蜂群优化方法

[发明专利]基于并行改进的K-means算法的大数据文本聚类方法及系统-CN201911393493.9在审
发明人：李雷孝;周成栋;王慧;马志强;王永生 -专利权人：内蒙古工业大学
申请日： 2019-12-30 - 公布日： 2020-05-15 - 主分类号： G06F16/35 文献下载
摘要：本发明属于文本聚类技术领域，尤其涉及基于并行改进的K‑means算法的大数据文本聚类方法及系统，通过Canopy中心点选取算法和K‑means基于距离的聚类算法相结合的SWCK‑means文本聚类算法处理将低维度的大数据文本数据进行聚类，本发明解决了现有技术存在由于K‑means算法没有最优化或局部优化处理，从而导致算法的聚类的准确率和效率低下的问题，具有提高了K‑means算法的聚类的准确率和效率、减少文本的维度、提高聚类的效果以及并行化设计的有益技术效果
基于并行改进 means 算法数据文本方法系统

[发明专利]一种基于改进K-means算法的网页聚类处理方法-CN202010166286.6在审
发明人：李校林;谭航 -专利权人：重庆邮电大学;重庆信科设计有限公司
申请日： 2020-03-11 - 公布日： 2020-07-10 - 主分类号： G06F16/33 文献下载
摘要：本发明请求保护一种基于改进K‑means算法的网页聚类处理方法，是一种基于改进K‑means算法的网页聚类处理方法。主要结合初始聚类中心选择算法和K‑means聚类算法，代替传统的K‑means算法对网页信息进行聚类；该算法从源头上保证了聚类结果的可靠性与真实性。而且本方法将应用于网页大数据处理中。通过实验结果分析进一步发现，相较于传统算法，改进算法的优势不仅反映在聚类结果的精准性上，还体现在运行效率上，完全适用于网页聚类分析，优化网页的聚类效果，提高算法的稳定性。
一种基于改进 means 算法网页处理方法

[发明专利]一种基于H-K复合聚类算法的分布式光伏多场景分析方法-CN202010149930.9在审
发明人：刘紫东;刘文颖;王维洲;胡阳;王方雨;刘福潮;张尧翔;马志程;张雨薇;何欣;夏鹏;史玉杰;朱丽萍;李潇;陈鑫鑫;郇悦;张雯程;曾贇;杨美颖 -专利权人：华北电力大学;国网甘肃省电力公司电力科学研究院;国网甘肃省电力公司;国家电网有限公司
申请日： 2020-03-06 - 公布日： 2020-09-22 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于H‑K复合聚类算法的分布式光伏多场景分析方法，包括：以分布式光伏和负荷概率密度函数为模型生成大量场景；通过HAC算法(层次凝聚聚类算法)初步聚类；利用K‑Means聚类方法进行最终聚类，形成H‑K复合聚类算法，然后通过对场景进行压缩得到最终典型“规划场景”，最后对H‑K复合聚类算法的结果进行评价。
一种基于复合算法分布式光伏多场景分析方法

[发明专利]基于Gauss诱导核的模糊c均值聚类算法-CN201710435842.3有效
发明人：文传军;陈荣军;刘福燕 -专利权人：常州工学院
申请日： 2017-06-02 - 公布日： 2020-11-10 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于Gauss诱导核的模糊c均值聚类算法，包括如下步骤：1.对样本集合依目标函数最小化原则进行最优化划分；2.初始化模糊隶属度或者初始化聚类中心；3.按Gauss诱导核聚类算法中的迭代计算公式对模糊隶属度和聚类中心进行参数估计本发明能够有效利用核方法在聚类算法中的非线性表达能力，提升核聚类算法的聚类性能。且聚类中心迭代公式不包含聚类中心自身，满足了聚类算法迭代收敛证明的条件，从而从理论上保障了算法的收敛性。
基于 gauss 诱导模糊均值算法

[发明专利]一种时序聚类的方法及装置-CN201710817446.7在审
发明人：刘建伟 -专利权人：中兴通讯股份有限公司
申请日： 2017-09-12 - 公布日： 2019-07-16 - 主分类号： G06F16/28 文献下载
摘要：本发明公开了一种时序聚类的方法及装置，涉及智能信息及通讯技术领域，其方法包括：算法组件接收参数组件发送的用于对时序数据进行聚类的算法参数；算法组件从时序数据库中读取时序数据，根据所接收的算法参数对所读取的时序数据进行聚类处理，得到包含时序特征矩阵和时序聚类标签的聚类结果；算法组件将所述包含时序特征矩阵和时序聚类标签的聚类结果保存到聚类结果数据库中，并通过显示组件显示所述聚类结果。
时序聚类结果时序数据算法组件聚类读取矩阵聚类标签时序特征算法参数通讯技术领域时序数据库接收参数聚类处理显示组件智能信息数据库发送保存

[发明专利]一种结合方差与距离改进的K-means算法-CN202110934672.X在审
发明人：张宇;梁超 -专利权人：哈尔滨理工大学
申请日： 2021-08-16 - 公布日： 2021-11-12 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种结合方差与距离改进的K‑means算法。本发明首先针对K‑means算法对初始聚类中心敏感以及聚类结果不稳定的问题，提出一种结合方差和最大最小距离改进的聚类算法，算法将方差与最大最小距离算法相结合，避免初始聚类中心的选取存在随机性，并在下一次迭代时，选取中位数代替均值作为新的聚类中心，消除离群点对聚类结果的影响，通过只计算每次迭代中所有样本数据到最近聚类中心的距离和聚类中心间的距离，实现聚类迭代过程的优化。本发明方法不仅可以获得更优质的初始聚类中心和更稳定的聚类结果，还可以有效减少聚类的迭代次数。
一种结合方差距离改进 means 算法

[发明专利]一种基于粒子群改进K均值算法的负荷曲线聚类方法及系统-CN202110695568.X有效
发明人：覃日升;李胜男;姜訸 -专利权人：云南电网有限责任公司电力科学研究院
申请日： 2021-06-23 - 公布日： 2023-07-21 - 主分类号： G06F18/23213 文献下载
摘要：本申请属于电力系统分析与控制技术领域，提供一种基于粒子群改进K均值算法的负荷曲线聚类方法及系统，所述一种基于粒子群改进K均值算法的负荷曲线聚类方法包括：获取多个用户的原始负荷曲线负荷并进行预处理，获得负荷数据集；采用粒子群算法获得K均值算法的M个初始聚类中心；将数据对象分配到最近的聚类中心，获得M个相应的类簇；分别计算每个类簇中所有数据对象属性值均值，获得M个新聚类中心；根据每个类簇的新聚类中心和初始聚类中心是否相同来选择是否更新初始聚类中心；将新聚类中心作为K均值算法的最终聚类中心。上述基于粒子群改进K均值算法的负荷曲线聚类方法有效提高了日负荷曲线聚类方法的准确性和收敛速度。
一种基于粒子改进均值算法负荷曲线方法系统