一种基于局部密度和聚类中心优化的密度峰聚类方法

发明专利有效专利

申请号：
CN201810049357.7
IPC分类号：G06K9/62
申请日期：
2018-01-18
申请人：
安徽师范大学

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	一种基于局部密度和聚类中心优化的密度峰聚类方法
申请号	CN201810049357.7	申请日期	2018-01-18
法律状态	实质审查	申报国家	中国
公开/公告日	2018-07-13	公开/公告号	CN108280472A
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	安徽师范大学	申请人地址	安徽省芜湖市弋江区花津南路安徽师范大学变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	安徽师范大学	当前权利人	安徽师范大学
发明人	孙丽萍;鲍舒婷;慈尚;郑孝遥;罗永龙
代理机构	芜湖安汇知识产权代理有限公司	代理人	朱圣荣

摘要

本发明揭示了一种基于局部密度和聚类中心优化的密度峰聚类方法，包括以下步骤：步骤1、密度距离计算阶段：根据共享近邻相似度，计算样本点的局部密度和最短距离；步骤2、聚类中心选择阶段：根据样本点的局部密度和最短距离，自适应的选择聚类中心；步骤3、剩余样本分配阶段：将剩余样本分配到距其最近并拥有高密度的样本所在的类簇中。本发明将共享近邻相似度和欧氏距离进行统一度量样本间的相似度，有效地避免了DPC算法因参数选择导致聚类结果较差的缺陷，可以自适应地进行聚类中心的选择。

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