“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FCM算法融合改进GSA算法的医学图像分割方法-CN201710567921.X在审
发明人：冯飞;刘纪新;姜宝华;刘培学;陈玉杰;薛蕊;杨雅涵;朱秋莲 -专利权人：青岛黄海学院
申请日： 2017-07-13 - 公布日： 2017-12-19 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于FCM算法融合GSA算法的医学图像分割方法，该方法的大致过程为通过将FCM算法的最优化聚类中心确定方法与改进GSA算法融合，通过适当调整粒子的主动引力质量、被动引力质量和惯性质量，逐步求出最重粒子的空间位置，就是最优解，聚类时将该最优解作为像素的最优聚类中心。本发明通过利用空间模糊c均值聚类算法将图像像素分成均匀的区域，融合GSA算法，将改进GSA算法纳入模糊c均值聚类算法中，以找到最优聚类中心，使模糊c均值聚类的适应度函数值最小，从而提高分割效果，实验结果显示相对于传统的聚类算法
基于 fcm 算法融合改进 gsa 医学图像分割方法

[发明专利]一种改进的二分k-means聚类方法-CN201910387627.X在审
发明人：梁琨;叶子;张翼英 -专利权人：天津科技大学
申请日： 2019-05-08 - 公布日： 2020-11-10 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种改进二分k‑means聚类方法，其主要技术特点是：利用自下而上的层次聚类改进二分k‑means聚类，聚类过程中无需指定K值个数，一次二分聚类即可获得最小SSE簇，再通过判别条件，使其自动收敛该方法的聚类性能优于K‑均值聚类算法和二分K‑均值聚类算法，使聚类后的结构更加紧密，簇边界更清晰。根据本发明实施例的改进二分k‑means聚类方法，通过计算误差平方和SSE衡量该聚类算法性能的优劣。通过层次聚类和二分k‑means聚类结合的改进算法对数据进行多次的聚类，直到收敛，可获得更好的聚类效果。
一种改进二分 means 方法

[发明专利]一种模糊聚类图像分割方法-CN201310072342.X有效
发明人：沈建新;高玮玮 -专利权人：南京航空航天大学
申请日： 2013-03-07 - 公布日： 2013-06-12 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种模糊聚类图像分割方法，利用K-means算法对初始图像进行聚类，获得K个聚类中心；再将获得的K个聚类中心作为模糊C-均值聚类算法的初始聚类中心对图像再进行聚类，实现图像的分割，解决了传统模糊C-均值聚类算法中随机选取初始聚类中心而使得其计算复杂度高的缺陷同时也提高了分割精度。
一种模糊图像分割方法

[发明专利]基于马尔科夫聚类算法的动态聚类方法-CN201910980794.5在审
发明人：张陈欢;刘惟锦;张晓林;李雪;杨剑锋;黄益平 -专利权人：北京航天长峰科技工业集团有限公司
申请日： 2019-10-16 - 公布日： 2021-04-16 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于马尔科夫聚类算法的动态聚类方法，将数据集按照适合改进后的马尔科夫聚类算法的数据规模P进行批量聚类，即每次从数据集选取数据规模为P的数据集进行聚类；使用代表点算法在有新增数据时快速完成聚类更新，对于新增数据和原有数据分别利用代表类簇的代表点进行聚类，并根据聚类结果进行类别合并从而完成聚类更新，从而减少每次参与聚类的数据量，提高聚类的效率。本发明解决了马尔科夫聚类算法对大规模数据聚类精度低、速度缓慢的问题，主要应用于监控视频下类别数量未知的大规模人脸聚类。
基于马尔科夫聚类算法动态方法

[发明专利]对用电行为进行分类的方法、系统、存储介质和电子设备-CN202210050732.6在审
发明人：宋如楠;杨艺宁;张蓬鹤;薛阳;王聪;杨柳;赵兵;陈昊;郑安刚 -专利权人：中国电力科学研究院有限公司;国家电网有限公司;国网福建省电力有限公司
申请日： 2022-01-17 - 公布日： 2023-04-04 - 主分类号： G06F18/241 文献下载
摘要：本发明实施例公开了一种对用电行为进行分类的方法、系统、存储介质和电子设备，所述方法包括：获取用户的用电量数据；根据所述用电量数据生成聚类数据集；采用密度聚类算法对所述聚类数据集进行聚类，生成多组聚类簇，并识别所述聚类数据集中的计量噪声点；根据所述多组聚类簇和所述聚类数据集中的计量噪声点对用户的用电行为进行分类。本发明所述的方法和系统通过分析用户用电量数据，利用密度聚类算法实现了负荷大数据的聚类，方法简单易操作。而且基于实际用户负荷数据进行实验，将通过聚类算法进行用户行为分类比采用均值漂移聚类算法，效果更好，从而进一步证明了采用聚类算法对用户用电行为进行分类的可靠性。
用电行为进行分类方法系统存储介质电子设备

[发明专利]一种用于污水异常检测的改进型层次聚类方法-CN201910187308.4在审
发明人：张宇;汤哲 -专利权人：中南大学
申请日： 2019-03-13 - 公布日： 2019-06-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种一种用于污水异常检测的改进型层次聚类方法，本发明提供了一种应用于污水异常检测自动化监控的改进型层次聚类方法，结合机器学习中的网格聚类思想，通过LDA信息增益算法进行终止条件的判定，从而实现聚类的高效和精准，确定出数据的最佳聚类方案，通过对正常簇和异常簇的判别来确定污水处理中的异常。为了识别污水处理数据中的异常数据，应用了一种基于网格的改进型层次聚类算法进行数据异常的检测。算法使用网格聚类进行数据预处理，并采用LDA算法进行聚类最优的判定。网格聚类的结合提高了整体的聚类效率，同时凝聚型层次聚类保证了整个聚类过程的精准程度，基于LDA的信息增益算法作为聚类的终止条件，从而很好的解决了层次聚类算法中聚类效果不稳定的问，在投影后使得“类内方差最小，类间方差最大”。
聚类层次聚类改进型网格聚类异常检测层次聚类算法信息增益算法终止条件方差污水判定污水处理数据预处理自动化监控机器学习聚类过程数据异常异常数据网格算法投影应用检测凝聚保证

[发明专利]一种基于改进K-means算法和新聚类有效性指标的聚类分析方法-CN201911146579.1在审
发明人：朱二周;高新;刘锋 -专利权人：安徽大学
申请日： 2019-11-21 - 公布日： 2020-03-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于改进K‑means算法和新聚类有效性指标的聚类分析方法，首先通过密度信息获取高密度初始聚类中心点，按照初始聚类中心点进行K‑means算法聚类；不断迭代聚类中心点；计算聚类有效性指标的值并将最小的聚类有效性指标对应的簇数作为数据集的最佳聚类数并输出最佳聚类结果本发明可以有效的降低K‑means聚类算法的迭代次数，减少聚类时间消耗，提升聚类效率；高密度初始中心点和中心点替换方法的结合降低了K‑means聚类算法陷入局部最优解的可能性；聚类结果稳定精确。
一种基于改进 means 算法新聚类有效性指标聚类分析方法

[发明专利]基于C-K-SMOTE算法的不平衡数据集处理方法-CN201911259004.0有效
发明人：郭朝有;许喆;曹蒙蒙;马砚堃;姚乾 -专利权人：中国人民解放军海军工程大学
申请日： 2019-12-10 - 公布日： 2022-10-28 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于C‑K‑SMOTE算法的不平衡数据集处理方法，先利用Canopy算法对少数类样本进行快速近似聚类，得到一系列canopy簇；然后再利用K‑means聚类算法对canopy簇再聚类，得到精准聚类簇，最后再利用SMOTE算法基于精准聚类簇进行插值处理，从而增加少数类样本数量使数据样本趋向平衡。本发明中基于C‑K‑SMOTE算法的不平衡数据集处理方法可有效平衡不平衡数据集，既保证了新生成的样本的有效性也保留了原数据分布模式且不存在边界模糊问题，利用修正的SMOTE算法插值公式还避免了近邻样本选择盲目性问题；本发明实现了Canopy算法和K‑means算法有机融合，利用K‑means再聚类解决了Canopy算法聚类精度低的问题，同时利用Canopy聚类克服了K‑means算法聚类簇数难以确定以及初始中心过于随机的问题
基于 smote 算法不平衡数据处理方法

[发明专利]基于密度相似性的密度峰值聚类算法-CN202210264661.X在审
发明人：王言言;万静;田新雨 -专利权人：哈尔滨理工大学
申请日： 2022-03-17 - 公布日： 2022-06-17 - 主分类号： G06K9/62 文献下载
摘要：本发明针对密度峰值聚类算法(DPC)不适用于流形数据集、聚类中心的选择需要人为干预且会在剩余点分配会出现多米诺效应的缺陷。提出了一种基于密度相似性的密度峰值聚类算法(DA‑DPC)。首先，引用密度相识度来代替欧式距离来适用处理流形数据集，可以消除dc对算法结果的影响；其次，根据密度聚类指数的特点和聚类的定义，设计了一种新的密度聚类指数(DCI)，自动获取聚类中心，降低参数对聚类结果的影响；对于剩余点提出两种匹配策略，更好的达到聚类效果；实验表明，该算法在人工数据集和UCI真实数据集上比常用的几种聚类算法具有更好的聚类效果。
基于密度相似性峰值算法

[发明专利]一种基于Canopy算法的聚类优化方法及系统-CN201410194172.7在审
发明人：韩锐;崔创雄 -专利权人：中国科学院声学研究所
申请日： 2014-05-08 - 公布日： 2015-11-25 - 主分类号： G06F17/30 文献下载
摘要：本发明提供一种基于Canopy算法的聚类优化方法，所述方法包含：步骤101)基于Canopy算法对所有的原始数据进行分组处理，进而得到N个Canopy集合及各个Canopy集合的中心；步骤102)将Canopy集合的数量N作为K均值聚类算法的要构建的划分的数目k；将各个Canopy集合的中心作为划分的k个簇的簇中心；基于上述确定的簇数k和簇中心对所有原始数据采用K均值聚类算法进行聚类优化处理，输出聚类优化结果本发明中Canopy聚类算法用于K均值聚类算法的预处理，用来找合适的k值和簇中心。大大降低整个聚类的运行时间，提高了算法的计算效率，增加了算法的容错性。
一种基于 canopy 算法优化方法系统

[发明专利]基于决策树的模糊C聚类的负荷分类方法-CN201810382946.7在审
发明人：王敏;姜远志;石逸;赵康宁;吕龙祥;李明 -专利权人：河海大学
申请日： 2018-04-26 - 公布日： 2018-09-18 - 主分类号： H02J3/00 文献下载
摘要：本发明公开了一种基于决策树的模糊C聚类的负荷分类方法，包括以下步骤，步骤1，用户负荷数据采集；步骤2，以轮廓值为评价参数，采用凝聚型层次聚类算法确定最优分类数目；步骤3，根据最优分类数目，采用模糊C均值聚类算法对负荷数据进行聚类本发明先通过凝聚型层次聚类算法确定最优分类数目，然后采用模糊C均值聚类算法对负荷数据进行聚类，有效实现了负荷分类；同时本发明有效克服了传统模糊C均值聚类算法中分类数目不易确定的问题，提高了分类精度。
聚类模糊C均值聚类算法负荷分类分类层次聚类算法负荷数据决策树模糊评价参数数据采集用户负荷有效实现凝聚

[发明专利]基于量子粒子群优化改进的模糊C-均值聚类方法-CN201210277058.1有效
发明人：毛力;李引 -专利权人：江南大学
申请日： 2012-08-06 - 公布日： 2012-12-19 - 主分类号： G06N3/00 文献下载
摘要：本发明涉及一种聚类方法，尤其是一种基于量子粒子群优化改进的模糊C-均值聚类方法，属于数据挖掘和人工智能的技术领域。本发明在传统的模糊C-均值聚类算法中，首先利用新距离标准取代Euclidean标准，以提高传统聚类算法下的模糊精确度，同时通过AFCM算法单次快速分类替代随机分配初始聚类中心，来降低聚类算法对初始聚类中心的敏感度，最后在聚类过程中引入基于距离改进的QPSO（AQPSO）并行优化思想使其聚类算法具有较强的全局搜索能力、更高的收敛精度，保证收敛速度也明显改善了聚类效果。
基于子粒子群优化改进模糊均值方法

[发明专利]数据处理方法、装置和设备-CN202110062027.3在审
发明人：陈奥;韩星 -专利权人：北京嘀嘀无限科技发展有限公司
申请日： 2021-01-18 - 公布日： 2021-05-07 - 主分类号： G06K9/62 文献下载
摘要：本公开的实施例提供一种数据处理方法、装置和设备，对数据集中的多个样本数据进行可视化处理，根据可视化处理结果获得数据集的分类个数；获取预设聚类算法的参数的至少一种取值；针对参数的每种取值，根据预设聚类算法对数据集中的多个样本数据进行聚类处理，获得聚类结果；根据聚类结果，确定聚类类别个数，若分类个数与聚类类别个数之差小于等于第一预设值，则确定聚类结果为数据集的目标聚类结果。本公开通过将聚类算法的逻辑黑盒化，根据可视化处理获得的分类个数自动调整聚类算法的参数，直到聚类类别个数和可视化处理得到的分类个数相同时即完成聚类，此过程无需人工调整算法参数，可以简化数据聚类操作，提升数据聚类的效率
数据处理方法装置设备

[发明专利]一种基于聚类算法的全局布线方法、装置和电子设备-CN202310080024.1在审
发明人：程雷;丁鸿志;黄嘉荣 -专利权人：上海立芯软件科技有限公司
申请日： 2023-01-17 - 公布日： 2023-05-09 - 主分类号： G06F30/3953 文献下载
摘要：本公开实施例中提供了一种基于聚类算法的全局布线方法，包括：获取初始走线，并基于预设规则将所述初始走线分为待聚类走线和无需聚类走线；对每个所述待聚类走线上的引脚进行聚类处理，并得到聚类结果，所述聚类结果包括聚类引脚；基于所述聚类引脚生成已聚类走线；基于所述待聚类走线、所述无需聚类走线和所述已聚类走线生成全局布线结果。通过本公开的处理方案，减小了每个走线的边界框，减小了每个走线对应边界框的重叠机会，提高了算法的并行度以及加快了算法的布线时间，解决了当前布线算法布线效率低的问题。
一种基于算法全局布线方法装置电子设备

[发明专利]一种不良数据辨识方法-CN201910854363.4在审
发明人：娄建楼;贾俊奇;曲朝阳;李燕;孙博;王蕾 -专利权人：东北电力大学
申请日： 2019-09-10 - 公布日： 2019-12-06 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种不良数据辨识方法，包括以下步骤：S1，使用凝聚层次聚类算法和真实Index的模型评估指标，确定PAM算法的初始聚类个数；S2，使用PAM算法对正常数据进行聚类，并计算每类的均方差，得出正常数据的类均方差范围；S3，运用间隙统计算法对待测数据进行聚类并得出结果；S4，比较待测数据所得聚类个数与正常数据通过HC‑Center聚类算法所得聚类个数是否一致，若一致即不存在不良数据，否则需计算每个类的均方差，判断其是否在正常数据的类均方差范围之内，若不在，则类中数据视为不良数据。本发明解决了PAM算法需要人为设定初始聚类个数的缺陷，提高了聚类的准确度；能够高效、准确地对数据进行聚类运算。
聚类正常数据均方差不良数据算法层次聚类算法聚类算法聚类运算模型评估统计算法准确度辨识凝聚