基于可信邻居信息聚合的多视图数据无标签聚类方法

    公开(公告)号:CN117909778A

    公开(公告)日:2024-04-19

    申请号:CN202310979566.2

    申请日:2023-08-06

    Abstract: 一种基于可信邻居信息聚合的多视图数据无标签聚类方法,属于人工智能研究领域,特征空间中的原始多视图数据往往包含与聚类任务无关的信息,使用现有方法很难将其分离的问题,要点是将聚类分布矩阵的列抽象为不同聚类的特征,以进行对比学习,使得聚类分布层具有实际的聚类意义,利用从模糊映射层提取的聚类信息分布,通过拟合归一化图中受信任邻居信息去偏聚合后形成的倾向分布,归一化图考虑了视图内的全局结构和视图之间的聚类级别一致信息。

    一种基于离散Fréchet距离的舰船磁场分类方法

    公开(公告)号:CN112052870B

    公开(公告)日:2024-04-16

    申请号:CN202010701844.4

    申请日:2020-07-20

    Inventor: 彭海涛 程开猛

    Abstract: 本发明涉及一种基于离散Fréchet距离的舰船磁场分类方法,本方法首先初始化聚类集合以及舰船磁场样本对于聚类中心的隶属度矩阵,然后依次选取舰船磁场样本,根据离散Fréchet距离构建舰船磁场相对于聚类中心的特征值;将所述特征值代替欧几里得距离,代入模糊C均值聚类方法的目标函数中,迭代求解目标函数值并同步更新聚类集合以及隶属度矩阵,直至所述目标函数值小于预设阈值或相对于上一迭代结果的改变量小于预设阈值时,终止迭代;最后根据迭代终止时的隶属度矩阵及所述聚类集合,对舰船磁场进行分类。本发明利用基于离散Fréchet距离的特征值代替欧几里德距离,构建新的聚类目标函数,能够考虑磁场曲线间变化趋势的相似情况,分类结果更趋合理。

    一种基于ULSP-IFRF的间歇过程模态划分方法

    公开(公告)号:CN117831654A

    公开(公告)日:2024-04-05

    申请号:CN202311860582.6

    申请日:2023-12-31

    Abstract: 本发明公开了一种基于ULSP‑IFRF的间歇过程模态划分方法,首先将间歇过程历史批次数据标准化,利用非抽样提升小波包变换对间歇过程变量进行时频域分解,获得多频带间歇过程数据集;然后计算间歇过程输入变量和输出变量的瞬时频率响应函数值,构建瞬时频率响应函数特征集;在此基础上,利用模糊C均值聚类算法划分间歇过程模态,实现间歇过程模态划分,并获得间歇过程各模态数据集。本发明充分考虑间歇过程的时变、非线性、多模态特性,在间歇过程变量时频域分解的基础上,利用瞬时频率响应函数表征间歇过程的动态特性,结合模糊C均值聚类算法实现了间歇过程模态划分,提高了间歇过程模态划分结果的合理性。

    基于AHP和改进熵权法的新能源典型出力场景聚类方法

    公开(公告)号:CN117828375A

    公开(公告)日:2024-04-05

    申请号:CN202311671848.2

    申请日:2023-12-05

    Abstract: 本发明涉及基于AHP和改进熵权法的新能源典型出力场景聚类方法,属于新能源典型出力场景聚类技术领域。以层次分析法‑‑熵权法进行新能源处理场景不同指标组合权重赋权,并按照所得权重对新能源典型出力场景聚类。在场景聚类中,通常需要考虑多个指标来描述场景的特征。AHP‑熵权法能够综合考虑这些指标的重要性,通过计算每个指标的权重,将不同指标按其对聚类结果的贡献程度进行综合考虑。综合AHP和熵权法对权重确定综合主观和客观考量。相比于单独人为或者纯数学统计赋权,更加切合实际。AHP‑熵权法的计算相对简单,只需根据指标的取值范围计算各指标的熵值,然后进行归一化处理即可得到权重。其计算过程具有明确的数学原理,易于实施。

    基于联邦学习满足本地化差分隐私的TMI系统

    公开(公告)号:CN117807622A

    公开(公告)日:2024-04-02

    申请号:CN202310461669.X

    申请日:2023-04-26

    Abstract: 本发明涉及一种基于联邦学习满足本地化差分隐私的TMI系统,包括服务器和客户端;所述客户端在本地训练隐私增强的联邦学习模型,并通过协议与服务器交换更新的参数,服务器将这些参数聚集起来进行计算,并将计算结果发送给参与的客户端;所述隐私增强的联邦学习模型将在客户端提取用户轨迹的运动特征作为数据样本来替代原始数据进行训练;所述隐私增强的联邦学习模型在训练前,数据样本信息进行模糊聚类;采用LDP技术来对样本数据进行联合训练隐私增强的联邦学习模型。本发明有效降低联邦学习通信成本,并能够增强模型梯度的隐私性。

    一种数控装备健康状态评价方法、系统、设备及存储介质

    公开(公告)号:CN113051685B

    公开(公告)日:2024-03-19

    申请号:CN202110328163.2

    申请日:2021-03-26

    Applicant: 长安大学

    Abstract: 本发明公开了一种数控装备健康状态评价方法、系统、设备及存储介质,获取数控装备各个部件的状态数据;采用卷积神经网络模型检测各个部件的状态数据,得到各个部件的健康状态;利用层次分析法得到数控装备中的系统和部件间的层次关系,利用判断矩阵确定各系统之间的权重关系和单个系统下各部件的权重关系;通过各个部件的健康状态和单个系统下各部件的权重关系,计算各系统健康状态;利用模糊聚类方法建立数控装备健康状态评价模型,将各系统健康状态和各系统之间的权重关系带入到数控装备健康状态评价模型中,得到数控装备目前的健康状态。能够准确的对数控装备进行健康状态的评估,减少装备由于故障所引起的停机维修时间,提高装备利用率。

    一种药品的监管系统及其方法

    公开(公告)号:CN117079786B

    公开(公告)日:2024-03-12

    申请号:CN202311099008.3

    申请日:2023-08-29

    Abstract: 本发明涉及药品安全技术领域,尤其为一种药品的监管系统及其方法,包括:信息采集模块;用于通过采集设备统一采集入库的药品信息数据;信息处理模块:用于对采集的药品信息数据进行处理;信息入库模块:用于对处理后的药品信息数据进行入库存储;药品监管模块:用于对药品的出库及药品信息数据的查询进行监管。本发明由获取采集许可的采集设备进行药品信息数据采集存储和入库管理,保证药品正规入库,并对药品库存信息数据进行动态更新,通过查询算法提供药品信息数据的查询渠道,改进药品信息数据的差异化特征,结合子空间模糊信息聚类的方法优化药品信息数据的查询方式,实现对药品信息数据的精准高效识别,对假冒伪劣产品进行快速识别和告警。

    一种模糊非相关线性鉴别分析的茶叶品种分类方法

    公开(公告)号:CN110378373B

    公开(公告)日:2024-03-12

    申请号:CN201910505655.7

    申请日:2019-06-12

    Applicant: 江苏大学

    Abstract: 本发明公开了一种模糊非相关线性鉴别分析的茶叶品种分类方法,首先使用Antaris II傅立叶变换近红外光谱分析仪获取若干品种的茶叶样本的近红外漫反射光谱数据;接着采用Savitzky‑Golay一阶导数对采集到的茶叶样本的近红外漫反射光谱数据进行预处理;然后运用一种模糊非相关线性鉴别分析的茶叶近红外光谱特征提取方法对预处理了的茶叶近红外漫反射光谱数据进行降维处理和分类鉴别信息提取;最后利用一种Gath‑Geva模糊聚类进行茶叶品种的分类。本发明是非相关线性鉴别分析的模糊扩展形式,不仅可以解决线性鉴别分析的欠采样问题,而且能够处理非相关线性鉴别分析的“硬”类的特征提取问题,具有绿色无污染、检测样本少、鉴定成本低、判别速度快、分类准确率高等优点。

Patent Agency Ranking