基于迁移学习的高斯混合模型数据聚类方法

发明专利有效专利

申请号：
CN201911130984.4
IPC分类号：G06K9/62
申请日期：
2019-11-18
申请人：
济南大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于迁移学习的高斯混合模型数据聚类方法
申请号	CN201911130984.4	申请日期	2019-11-18
法律状态	实质审查	申报国家	中国
公开/公告日	2020-04-03	公开/公告号	CN110956204A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2查看分类表>
申请人	济南大学	申请人地址	山东省济南市市中区南辛庄西路336号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	济南大学	当前权利人	济南大学
发明人	周劲;王荣荣;韩士元;王琳;陈月辉
代理机构	济南泉城专利商标事务所	代理人	支文彬

摘要

一种基于迁移学习的高斯混合模型数据聚类方法，通过将稀少的待聚类的数据集作为目标域，选取与目标域数据类型相似且数据量充足的数据集作为源域。首先用高斯混合模型对源域中的数据聚类，得到源域的类均值与类协方差矩阵。使用从源域聚类获得的类均值与类协方差矩阵，并通过基于迁移学习的高斯混合模型聚类算法对目标域中的数据进行聚类，得到每一个数据点的后验概率，用其后验概率的最大值所在的组件作为这一数据点的类标签，从而有效提高目标域中数据聚类的准确度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供