Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 韶关学院毛伊敏获国家专利权

韶关学院毛伊敏获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉韶关学院申请的专利一种基于MapReduce和MSSA的并行K-means聚类方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115204254B

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210612800.3,技术领域涉及:G06F18/23213;该发明授权一种基于MapReduce和MSSA的并行K-means聚类方法是由毛伊敏;戴经国;崔瑜;陈志刚;霍英设计研发完成,并于2022-05-31向国家知识产权局提交的专利申请。

一种基于MapReduce和MSSA的并行K-means聚类方法在说明书摘要公布了:本发明提出了一种基于MapReduce和MSSA的并行K‑means聚类方法,包括以下步骤:S1,对高维数据进行特征加权和特征提取;S2,对特征提取后的数据进行划分,通过两段映射选取高质量划分点,并根据划分点对数据进行广义超平面划分,获得Map上的均匀分区;S3,运用MSSA算法对并行K‑means聚类的质心寻优;S4,得到最终聚类结果并输出。本发明解决了面对高维数据聚类效果差的问题,能得到均匀的数据分区,还改善了算法对初始质心敏感的问题。

本发明授权一种基于MapReduce和MSSA的并行K-means聚类方法在权利要求书中公布了:1.一种基于MapReduce和MSSA的并行K-means聚类方法,其特征在于,包括以下步骤: S1,对高维图像数据进行特征加权和特征提取;所述S1包括以下步骤: S1-1,特征加权:首先获取初始数据集X的特征集I及权重集w,接着计算特征间的肯德尔相关系数,最后根据肯德尔相关系数权重KCCW得到权重数据集Xw;所述肯德尔相关系数权重KCCW包括: 其中,KCCWIi表示特征Ii的肯德尔相关系数权重; ZIi表示KCCIi,Ij的平均值; ZIj为除特征Ii其他任意一特征的肯德尔相关系数均值; KCCIi,Ij为特征Ii与特征Ij的肯德尔相关系数; d为数据的特征维度; S1-2,特征提取:在获取权重数据集Xw后,首先构造DSAE,确定损失函数LDSAE,接着采用自适应惩罚系数λ调节LDSAE的惩罚项,最后对Xw进行特征提取得到低维数据集X′;所述损失函数LDSAE包括: 其中LDSAEW,b表示编码层的权重W和隐含层偏置b的损失函数; L·为平方误差函数; 为输入样本X的重构; λ为惩罚系数; ki,j为输入xi对应隐含层节点j上的激活值,输入xi为第i个样本; ‖·‖1表示L1范数; 所述自适应惩罚系数λ惩罚系数包括: 其中Si为输入特征Iz上数据的方差; n为数据数量; c为常数; S2,对特征提取后的图像数据进行划分,通过两段映射选取高质量划分点,并根据划分点对数据进行广义超平面划分,获得Map上的均匀分区; S3,运用MSSA算法对并行K-means聚类的质心寻优; S4,得到最终聚类结果并输出。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人韶关学院,其通讯地址为:512023 广东省韶关市浈江区大学路288号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。