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！

龙图腾网获悉华中科技大学申请的专利一种综合距离特征、形状特征及时序特征的层次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：CN120744549B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202510868597.X，技术领域涉及：G06F18/231；该发明授权一种综合距离特征、形状特征及时序特征的层次聚类方法是由莫莉;黄昊东;彭颖;刘万;刘梓轩;张咪;孙旭彤;蒋志强;覃晖;朱书理;鲍润罡设计研发完成，并于2025-06-26向国家知识产权局提交的专利申请。

本一种综合距离特征、形状特征及时序特征的层次聚类方法在说明书摘要公布了：本发明属于数据处理相关技术领域，公开了一种综合距离特征、形状特征及时序特征的层次聚类方法，包括：初始阶段将每一个时序过程视为一个独立簇，并计算各时序过程之间不同特征的距离；根据各距离的贡献度构建综合距离、形状、时序特征的复合相似度指标DST；根据构建的复合相似度指标和确定的簇间连接方式计算不同簇之间的距离并不断迭代合并最近簇；当所有簇合并为一个大簇时聚类完成，根据每次合并后的轮廓系数确定最佳聚类数。本发明构建了复合相似度指标DST，根据不同特征对当前时序过程的贡献度自动计算权重，其能够更全面地反映时序过程间的多维差异，使得聚类结果更加符合时序过程的实际动态演变规律。

本发明授权一种综合距离特征、形状特征及时序特征的层次聚类方法在权利要求书中公布了：1.一种综合距离特征、形状特征及时序特征的层次聚类方法，其应用于水位过程检测领域，其特征在于：包括以下步骤： S1：初始阶段将每一个水位时序过程视为一个独立簇，并计算各水位时序过程之间不同特征的距离； S1包括以下步骤： S11：获取初始水位时序过程数据集，并将数据集中的每一个过程视为独立簇作为聚类开始的起点； S12：依次计算各水位时序过程之间不同特征的距离，包括复杂度不变距离、一阶差分欧氏距离和动态时间规整距离； 所述复杂度不变距离的计算公式如下： 其中，和表示不同的两个序列，表示序列和之间的欧氏距离，表示复杂度估计值，表示和之间的复杂度不变距离； 所述一阶差分欧氏距离的计算公式如下： 其中，表示序列长度，和表示不同序列某时刻的一阶导数，可视作局部斜率的基础近似，表示和之间的一阶差分欧氏距离； 所述动态时间规整距离的计算公式如下： 其中，和是两个时间序列和中的两个点，表示和之间的动态时间规整距离，初始条件为，最终结果为； S2：基于计算得到的不同特征距离，根据各距离对当前水位时序过程相似度的贡献度构建综合距离、形状、时序特征的复合相似度指标； S2包括以下步骤： S21：对于S1中计算得到的复杂度不变距离、一阶差分欧氏距离和动态时间规整距离进行归一化处理，计算公式如下： 其中，表示归一化后的距离，表示原始距离，和分别表示原始距离的最大值和最小值； S22：步骤S21中归一化后的复杂度不变距离为距离特征，归一化后的一阶差分欧氏距离为形状特征，归一化后的动态时间规整距离为时序特征；根据各特征指标对计算不同水位时序过程之间的相似性的贡献程度计算各个特征指标的权重，计算公式如下： 其中：表示不同特征指标的权重，表示不同特征指标下的相对排名，是样本的值，是样本平均值，是样本的标准差； S23：根据步骤S22中计算得到的不同特征指标的权重构建复合相似度指标DST，计算公式如下： 其中：、、分别表示不同水位时序过程之间的距离特征距离、形状特征距离和时序特征距离，、、分别表示距离特征、形状特征和时序特征在构建综合距离度量指标时的权重； S3：明确簇间连接方式，确定不同簇之间的距离计算方法； S4：根据构建的复合相似度指标和确定的簇间连接方式计算不同簇之间的距离并不断迭代合并最近簇； S5：当所有簇合并为一个大簇时聚类完成，根据每次合并后的轮廓系数确定最佳聚类数，以识别水位过程中的典型演变模式。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。