“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]基于连接对的聚类算法性能分析方法、装置、介质-CN202111301799.4在审
发明人：魏超;钟敏;毕永辉;林淑强;刘襄雄;古松景 -专利权人：厦门市美亚柏科信息股份有限公司
申请日： 2021-11-04 - 公布日： 2022-02-08 - 主分类号： G06V10/762 文献下载
摘要：本发明提出了一种基于连接对的聚类算法性能分析方法、装置及存储介质，该方法包括：初始步骤，使用所述聚类算法对样本集进行聚类得出初始聚类簇，对所述聚类算法进行优化后对样本集进行聚类得出优化聚类簇；抽样步骤，对满足归档的初始聚类簇和优化聚类簇分别进行笛卡尔积运算得到连接对，利用差集运算和特定规则抽样得到初始抽样集合和优化抽样集合；分析步骤，基于所述初始抽样集合和优化抽样集合分析优化后的聚类算法性能是否提升。本发明利用笛卡尔积运算得到连接对，并使用特定规则抽样获取可控数量的分析集，该方法结合了聚类内部的连接对信息和人工抽样知识，能够在无标签情况下对聚类算法优化后的性能提升进行快速评估。
基于连接算法性能分析方法装置介质

[发明专利]基于室内定位的融合楼层推断方法-CN201810812602.5在审
发明人：张磊;黄鸿;李悦;刘爽 -专利权人：广州都市圈网络科技有限公司
申请日： 2018-07-23 - 公布日： 2018-12-07 - 主分类号： H04W4/02 文献下载
摘要：本发明提供基于室内定位的融合楼层推断方法，包括步骤：采集建筑物内各楼层信号接入点的信号强度；将采集到的信号强度分为若干类，通过若干类生成聚类集合，提取聚类集合的初始聚类中心，采用聚类算法对采集到的信号强度和初始聚类中心进行聚类处理，生成聚类结果；通过集合楼层映射表将聚类结果映射为对应的真实楼层。本发明在室内无需增设额外硬件，通过移动终端采集信号强度，采用层次聚类算法为K‑means算法选取初始聚类中心，减少噪声点和孤立点对聚类的影响，采用Baum‑Welch算法对隐马尔科夫模型参数的重估，建立真实楼层与聚类集合之间的映射关系
楼层初始聚类中心聚类集合推断聚类结果室内定位采集隐马尔科夫模型层次聚类算法建筑物楼层采集信号减少噪声聚类处理聚类算法楼层信号算法选取移动终端映射关系孤立点接入点类生成映射表融合映射聚类建筑物集合室内增设

[发明专利]基于复合聚类算法的电力居民用户日负荷曲线聚类方法-CN201910983879.9在审
发明人：游文霞;金之榆 -专利权人：三峡大学
申请日： 2019-10-16 - 公布日： 2020-02-11 - 主分类号： G06F16/55 文献下载
摘要：基于复合聚类算法的电力居民用户日负荷曲线聚类方法，获取电力居民用户日负荷数据，该数据包含有P个样本，每个样本有Q个时间点属性的数据集矩阵；对电力居民用户日负荷数据进行预处理，获得初始群集；对初始群集进行降维处理，获得降维群集；采用聚类算法1对降维群集进行初步聚类，得到初始聚类中心；采用聚类算法2对聚类算法1得到的初始聚类中心进行聚类，并使用聚类有效性指标，对聚类结果进行评估，最终得到M个聚类中心；采用得到的M个聚类中心，作为聚类算法2的初始聚类中心，对数据进行聚类，获得行为相似的用户群。本发明把庞大零散的日负荷数据聚类成行为相似的用户群。电力企业管理人对聚类成的用户群进行分析，可以更好地预测用电量高峰和低谷，为电力业务的管理提供更可靠地方法。
聚类聚类算法日负荷群集初始聚类中心居民用户用户群聚类中心降维样本预处理数据集矩阵有效性指标电力企业降维处理聚类结果数据聚类时间点数据包用电量低谷复合评估预测高峰分析管理

[发明专利]一种基于径向基神经网络的温度插值方法-CN201610163877.1有效
发明人：杜景林;沈晓燕;刘雅云;严蔚岚 -专利权人：南京信息工程大学
申请日： 2016-03-22 - 公布日： 2018-03-27 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于径向基神经网络的温度插值方法，首先对数据进行归一化处理，然后利用以“聚类中心距离”优化K‑means聚类算法中的“个体距离”的优化型K‑means聚类算法得到隐含层神经元个数、聚类中心和扩展常数，再用正交最小二乘法学习隐含层到输出层的权值，最终得到RBFNN插值算法。本发明通过基于优化K‑means聚类算法的径向基神经网络温度插值算法，对初始聚类中心的选取进行改进，优化聚类方式，提高聚类效率，改善数据插值精度，从而优化了基于K‑means聚类算法的径向基神经网络温度插值的插值精度和效率
一种基于径向神经网络温度算法

[发明专利]一种用户负荷双层聚类方法-CN202111502036.6在审
发明人：陈来军;薛小代;马恒瑞;陈辰 -专利权人：青海大学
申请日： 2021-12-09 - 公布日： 2022-03-04 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及负荷数据聚类分析技术领域，公开了一种用户负荷双层聚类方法，使用短时互相关系数聚类算法，对用户负荷进行形态相似聚类，得到多个第一聚类簇；使用欧氏距离聚类算法，对多个第一聚类簇依据幅度进行聚类；采用短时互相关系数对负荷曲线进行形态相似聚类，保留了样本间的不相似程度，避免了互相关系数过度位移致使聚类效果不佳。因为限制了序列的位移区间，相较于DTW和k‑shape两种考虑时序特性的形态聚类算法相比，算法运行时间更短，并且在聚类效果和有效性指标上表现更优，利用基于欧氏距离的聚类算法对形态相似聚类的结果进行二次聚类
一种用户负荷双层方法

[发明专利]一种图片聚类的方法及相关装置-CN202010338401.3在审
发明人：董国盛;孙玉玺;周泽南;陈炜鹏;许静芳 -专利权人：北京搜狗科技发展有限公司
申请日： 2020-04-26 - 公布日： 2021-10-26 - 主分类号： G06F16/55 文献下载
摘要：本申请公开了一种图片聚类的方法及相关装置，该方法包括：首先，对各个图片采用多层聚类算法进行数据切片，以便各个图片均衡划分至各台集群设备上；然后，针对每台集群设备上的图片，采用近邻图算法和并查集算法进行检索合并以获得多个目标重复图片集合可见，通过多层聚类算法的数据切片方式将各个图片近似均匀地划分至各台集群设备，以及通过近邻图算法的检索方式降低图片比对次数，极大地缩短聚类时间，从而能够提高重复图片聚类的聚类速度；通过近邻图算法和并查集算法的检索合并方式，实现标签扩散提供较高的召回率，从而能够提高重复图片聚类的聚类效果。
一种图片方法相关装置

[发明专利]基于多种聚类算法和多元线性回归的电力客户聚类方法-CN202111422921.3在审
发明人：伍福平;李科;杨德祥;蔺海明;黄耀 -专利权人：国网重庆市电力公司市南供电分公司
申请日： 2021-11-26 - 公布日： 2022-03-08 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种基于多种聚类算法和多元线性回归的电力客户聚类方法，包括：通过多种聚类算法对电力客户数据集进行预分类；根据预分类结果对电力客户数据集中的电力客户数据进行关键实例选取；以关键实例为基础建立多元线性回归模型，并构建用于求解每种聚类算法权重系数的目标求解函数，求解目标函数获得每种聚类算法的权重系数；根据每种聚类算法的权重系数进行决策分类的综合计算，实现对电力客户数据的分类。本发明通过算法间的聚类与交互，弥补了单一聚类算法对电力客户分类的局限性，有效提升了电力客户类型的识别精度，更准确的挖掘出有价值的客户信息。
基于多种算法多元线性回归电力客户方法

[发明专利]一种基于密度峰值的大数据挖掘方法及装置-CN201710011108.4在审
发明人：许青林;刘沧生;熊梦琪;姜文超 -专利权人：广东工业大学
申请日： 2017-01-06 - 公布日： 2017-05-10 - 主分类号： G06F17/30 文献下载
摘要：本发明实施例公开了一种基于密度峰值的大数据挖掘方法及装置，本发明实施例包括第一阶段使用密度峰值聚类算法选定初始聚类中心；第二阶段，确定初始聚类数目以及对传统模糊C‑均值算法的加速收敛。在第一阶段算法中，通过使用密度峰值聚类中提供决策图，选定初始聚类中心，选择完成后，初始聚类中心数目即为聚类中心数，无需人工指定聚类数目。在第二阶段算法中，对传统模糊C‑均值算法的迭代过程进行优化，考虑局部密度对算法的影响，加入密度加权因子，使算法能够加速获取全局最优解，且加入振荡因子，使得算法能够加快收敛。
一种基于密度峰值数据挖掘方法装置

[发明专利]一种基于Kmeans-AHC混合聚类算法的配电网线损异常检测方法-CN202010856767.X在审
发明人：康忠健;罗霖;李伟秀 -专利权人：中国石油大学（华东）
申请日： 2020-08-24 - 公布日： 2020-11-27 - 主分类号： G06K9/62 文献下载
摘要：一种基于Kmeans‑AHC混合聚类算法的配电网线损异常检测方法，包括：基于影响配电网线损的影响因素，采集多个特征数据用于混合聚类算法，构建配电网线损特征指标体系；基于有监督指标与无监督指标相结合的综合指标数据来确定最优聚类中心数；基于K‑Means聚类算法与凝聚型层次聚类相结合的混合聚类算法，优化初始聚类中心的选取；通过决策判断模型对配电网线损异常样本进行诊断识别。本发明利用混合聚类算法无监督学习的特点，解决了初始聚类中心以及最优聚类中心数的选取问题，适用于处理电网建设初期海量无标签运行数据，提高了配电网线损异常检测的准确度。
一种基于 kmeans ahc 混合算法配电网线异常检测方法

[发明专利]一种基于谱图理论的选择性文本聚类集成方法-CN202111619737.8有效
发明人：徐森;陈明权;徐秀芳;花小朋;皋军;安晶;王江峰;嵇宏伟;姜陈雨;陆湘文 -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： 2021-12-28 - 公布日： 2022-08-02 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于谱图理论的选择性文本聚类集成方法，将文本数据集采用K均值算法生成聚类成员；采用谱聚类算法从生成的聚类成员中选择出代表性成员；采用层次聚类方法对选择出的代表性成员进行集成；将集成后的代表性成员构成本文聚类结果解决了谱聚类方法直接应用于高维、稀疏、海量的文本数据集上时导致的计算量大的问题，因此，采用本方案显著降低文本聚类的计算时间，有效提高了文本聚类的准确性。另外，本实施例使用K均值算法作为基聚类器随机选取初始质心，算法复杂度低，提升算法的鲁棒性。
一种基于理论选择性文本集成方法

[发明专利]一种图像分割方法、装置、存储介质及终端设备-CN201910422757.2在审
发明人：杜艳艳 -专利权人：深圳壹账通智能科技有限公司
申请日： 2019-05-21 - 公布日： 2019-09-20 - 主分类号： G06T7/11 文献下载
摘要：本发明提供的方法包括：获取待分割的原始图像，并确定原始图像的聚类数目和像素点；根据聚类数目和像素点对预设蛙跳算法进行初始化，并通过初始化后的预设蛙跳算法对像素点进行寻优处理，得到原始图像的各局部最优像素点；将各局部最优像素点确定为模糊C均值聚类算法的初始聚类中心，并利用模糊C均值聚类算法根据初始聚类中心对所述原始图像进行再聚类，得到分割图像，以合理确定模糊C均值聚类算法的初始聚类中心，并通过将预设蛙跳算法与模糊C均值聚类算法相结合来进行图像分割，可有效减少图像分割过程中的计算复杂度，提高图像分割效率和分割效果。
像素点模糊C均值聚类算法图像分割原始图像初始聚类中心蛙跳算法聚类预设存储介质终端设备初始化图像处理技术图像分割过程计算复杂度分割图像有效减少分割寻优

[发明专利]数据处理方法及相关设备-CN201911253795.6有效
发明人：陆天洋;帅朝春 -专利权人： OPPO广东移动通信有限公司
申请日： 2019-12-09 - 公布日： 2023-07-07 - 主分类号： G06F18/23213 文献下载
摘要：本申请公开了一种数据处理方法及相关设备，应用于电子设备，方法包括：将聚类算法的聚类半径设置为第一聚类半径，聚类密度设置为第一聚类密度，使用所述聚类算法对获取的多个用户行为数据进行聚类，得到至少一个第一类簇；清除在上一个聚类半径下进行聚类得到的类簇的标识，将所述聚类算法的聚类半径更换为第二聚类半径，使用所述聚类算法对在上一个聚类半径下进行聚类得到的类簇进行聚类，得到至少一个第二类簇，上一个聚类半径与第二聚类半径的差值等于第一阈值；重复此步骤直至聚类不到类簇，或者重复此步骤直至聚类半径为第三聚类半径；基于得到的每个类簇的中心点确定用户行为特征信息。
数据处理方法相关设备

[发明专利]一种居民电力数据聚类方法及系统-CN202210399708.3在审
发明人：康兵;许志浩;丁贵立;王宗耀;荣仪;张亚楠;韩威;朱卓航;肖辉;肖相燕 -专利权人：南昌工程学院
申请日： 2022-04-15 - 公布日： 2022-09-02 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种居民电力数据聚类方法及系统，方法包括：获取用户电力数据，对所述用户电力数据进行数据降维，使得到降维电力数据；采用改进精英蝴蝶算法选择所述降维电力数据的初始聚类点，将所述初始聚类点作为考虑距离和空间限制的多层模糊C均值算法的初始聚类中心，使基于所述多层模糊C均值算法对所述降维电力数据进行聚类。通过改进精英蝴蝶算法选择最优的聚类中心点，使得多层模糊C均值算法能够获得更好的初始迭代值，有效提高了常规FCM聚类算法的质量。
一种居民电力数据方法系统

[发明专利]基于鹈鹕优化算法的结构面产状分组方法-CN202310578613.2在审
发明人：刘铁新;董自岩;郭怡宁;刘智清 -专利权人：大连海事大学
申请日： 2023-05-22 - 公布日： 2023-10-03 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于鹈鹕优化算法的结构面产状分组方法，包括将现场采集的岩体结构面产状样本数据转换为对应的空间单位法向量，并随机划分为若干待聚类数据组；采用鹈鹕优化算法POA优化模糊C均值聚类算法的初始聚类中心；基于优化后的初始聚类中心、通过模糊C均值聚类算法对各待聚类数据组进行聚类获取最终聚类数据分组；对获取的最终聚类数据分组进行有效性检验，以确认最终聚类结果。基于FMC算法通过鹈鹕优化算法优化初始聚类中心，采用简化谢贝尼指标作为分组评价标准，相比于传统的分组方法，提高了搜索全局最优解的能力，可对产状极点边界不清晰的结构面数据精确分组，扩大了分组方法的应用范围
基于鹈鹕优化算法结构产状分组方法

[发明专利]基于信息熵聚类的异常检测方法-CN201811170299.X在审
发明人：方锡;谭文安;赵璐 -专利权人：南京航空航天大学
申请日： 2018-09-28 - 公布日： 2019-03-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开的一种基于信息熵聚类的异常检测方法，属于机器学习和数据挖掘领域。本发明的异常检测算法基于聚类算法的思想，克服了传统K‑means聚类算法随机选择初始聚类中心易导致聚类结果陷入局部最优的问题，提出基于信息熵选取初始聚类中心的方法。本发明提出的方法是将数据集平均分成比K值多的数据块，进而使用熵值法得到每个数据块的目标价值函数，选取前k个目标价值函数值最小的数据块对应的质心作为初始聚类中心，利用熵值法保证了初始聚类中心选取的高效性，并在算法的迭代过程中实现了异常检测的功能。同传统的基于K‑means的聚类算法相比，本发明提出的算法无论是在聚类效果和异常检测能力上均高于传统K‑means聚类算法。有一定的实际意义。
初始聚类中心聚类算法异常检测数据块信息熵聚类价值函数算法异常检测算法迭代过程机器学习聚类结果数据挖掘随机选择传统的高效性数据集质心保证