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！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利基于灰色关联聚类方法的RIS模式选择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：CN119561583B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202411641891.9，技术领域涉及：H04B7/04；该发明授权基于灰色关联聚类方法的RIS模式选择方法是由杨轶;谢银美;刘夏越;杨佳蓓;刘光腾;何静宜;冯博文设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本基于灰色关联聚类方法的RIS模式选择方法在说明书摘要公布了：本发明涉及数据分析技术领域，特别涉及基于灰色关联聚类方法的RIS模式选择方法。其包括以下步骤：S1.基站获取用户的通讯数据，并将用户的通讯数据分为两类数据：连续取值的数值类数据、离散取值的类型数据；S2.对离散取值的类型数据，建立灰色可能度映射矩阵，将离散变量直接映射到最终模式分类；S3.对连续取值的数值类数据建立灰色可能度函数，将连续变量先映射到内涵分类，再映射到最终模式分类；S4.设置权重，通过权重对各类模式的预测分数进行总体统计；S5.根据预测分数的排序选择对RIS模式的最优决策。本方法在保证对用户数据准确捕捉的同时，降低了计算的复杂度，更能适应大模型下的实时应用。

本发明授权基于灰色关联聚类方法的RIS模式选择方法在权利要求书中公布了：1.基于灰色关联聚类方法的RIS模式选择方法，其特征在于，包括以下步骤： S1.基站获取用户的通讯数据，并将用户的通讯数据分为两类数据：连续取值的数值类数据、离散取值的类型数据； S2.对离散取值的类型数据，建立灰色可能度映射矩阵，进行离散变量的聚类，将离散变量直接映射到最终模式分类； S3.对连续取值的数值类数据，建立灰色可能度函数，进行连续变量的聚类，将连续变量先映射到内涵分类，再映射到最终模式分类； S4.设置权重，并通过权重对各类模式的预测分数进行总体统计； S5.根据预测分数的排序选择对RIS模式的最优决策； 所述步骤S2具体包括： 设共有个数值类数据，定义第r个连续取值变量χr对其内涵类别k的灰色可能度函数为： 其中，k＝1,2，…，Kχr，为第k类的灰色取值区间，对于不同变量χr，拥有的类别数量Kχr不同，且不同k对应的每个的不同；y为χ的取值，y∈[a，b]为y在区间a～b的数学表示，为y不在这个区间内；当χr的取值不同时，χr取不同类别的可能度也不同； 所述步骤S3中，对连续取值的数值类数据建立灰色可能度函数，进行连续变量的聚类，将连续变量先映射到内涵分类，具体包括： 设共有个类型数据，定义第d个离散取值变量χd对类别k的灰色可能度映射矩阵为： 其中，k＝1,2,…,Kχd； 该矩阵大小为N行Kχd列，即有N个离散取值，可归属到Kχd个类别中；矩阵中第n行第k列元素的意义为，其中n＝1,…N，k＝1,2,…，Kχ，当χd取时，χd属于第k类的可能度，元素的值小于1，表示的就是离散取值变量χd对类别k的灰色可能度，其中k＝1,2,…,Kχd； 所述步骤S3中，连续变量映射到内涵分类后，再映射到最终模式分类，具体包括： 定义第r个连续取值变量χr的内涵类别k的二步可能度映射矩阵为： 该矩阵大小为KA行Kχr列，KA为最终目标类别个数，Kχr为变量χr内涵类别的个数；矩阵中第ξ行第k列元素的意义为，当变量χr属于第k个内涵分类时，属于第ξ个最终目标类别的可能度，元素的值小于1，表示的就是第r个连续取值变量χr的内涵类别k的二步可能度； 其中k＝1,2,…，Kχr，ξ＝1,2,…，KA； 所述步骤S4中，设置权重的具体过程包括： 设共有个数值类数据，有个类型数据，对第r个连续变量，定义其权重为对第d个离散取值变量，定义其权重为ωd，初始计算公式如下： 其中，所述步骤S4中，通过权重对各类模式的预测分数进行总体统计，具体包括： 对于第m类模式，预测当前用户i选择其的分数Υm由下式计算： 其中为变量χd取值为时的

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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。