找到6项技术成果数据。
找技术>-
基于静息态功能连接的杏仁核谱聚类分割方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于静息态功能成像的杏仁核谱聚类分割方法，是一种基于谱聚类算法根据杏仁核内部体素功能的相似性对该脑区进行自动化高效率的方法，先对静息态磁共振数据预处理、再杏仁核脑区提取、然后杏仁核内部体素全脑功能连接计算以及最后对功能连接矩阵谱聚类分割，本发明提出的自动分割算法与杏仁核临床解剖结果取得很大程度的一致性，并且在稳定性和抗噪声干扰方面也取得较满意的结果，相对于传统手动分割方法，更加简单，方便，高效、可重复性高等多方面的优点。
-
一种提取网络节点社区属性的自适应谱聚类方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
一种提取网络节点社区属性的自适应谱聚类方法,1、设定移动群智感知网络中的节点个数是M,初始化社区个数N=1,标记节点v的社区属性是,定义M个节点组成一个社区的模块度Qmax=0;2、由节点v相对全部M个节点的亲密度向量得到相似度矩阵;3、将相似度矩阵的特征值按从大到小排列,对前N个特征值构建的特征向量空间进行聚类,标记每个节点的社区属性;4、由聚类后所有节点的社区属性计算模块度Q,如果Q≥Qmax,则令Qmax=Q,最佳社区分类个数Nop=N,否则,直接进入5;5、令N=N+1;6、重复3-5,直至N=M,Nop值是最佳社区分类个数,社区中的节点具有最佳的社区属性。本发明方法可提高网络节点社区分类的准确度。
-
一种基于邻域粗糙集约减的谱聚类方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明是一种基于邻域粗糙集约减的谱聚类方法及系统，该方法将信息熵引入到邻域粗糙集中，在保持样本区分能力的前提下，去除冗余的属性，保留对聚类贡献最大的属性；然后基于约简后的属性集合，计算样本点之间的相似度，构造相似性矩阵和拉普拉斯矩阵；最后利用谱聚类方法得到最终的聚类结果。通过属性约简，可以提高谱聚类处理高维数据的能力，改善聚类的准确率。
-
一种融合拓扑势和谱聚类的社区发现方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供一种融合拓扑势和谱聚类的社区发现方法及系统，该方法包括计算给定的复杂网络中n个节点的拓扑势值，根据n个节点的拓扑势值构造复杂网络的节点的标准矩阵；搜索所有局部极大势值节点，获得包含t个局部极大势值节点的局部极大势值节点集合；计算节点的标准矩阵的所有特征值，选取前t‑1个非平凡特征值，以t‑1个非平凡特征值对应的t‑1个特征向量构成t‑1维空间；将复杂网络的n个节点映射到t‑1维空间中；将t个局部极大势值节点作为初始聚类中心，采用K‑means算法将t‑1维空间中的n个节点划分为t个社区。本发明利用节点拓扑势值构造谱聚类中的标准矩阵，能从全局角度反映节点间的紧密关系，有助于提高社区划分结果的准确性；具有很强的适应性。
-
一种基于临近点法的聚类个数自动确定谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于临近点法的聚类个数自动确定谱聚类方法，包括以下步骤1)对数据集的所有维进行了归一化处理；2)通过临近点法计算出区间稀疏距离矩阵以及定义为临近点距离均值的局部尺度参数，得到整体稀疏相似度矩阵；3)调用CCFD方法确定数据点的局部密度和具有更高局部密度的其他点的最小距离，得到在置信区间外的拟合产生的奇异点个数；4)依据公式计算出度矩阵D和拉普拉斯矩阵L，并对L进行特征分解取出特征向量组；5)输出聚类结果；6)选取最高Fitness函数值所对应的最优临近点个数的聚类结果进行输出。本发明能够根据数据分布估计每个数据点的局部尺度参数，自动确定聚类中心的个数，并且实现了临近点个数的参数自适应。
-
遥感图像的主动谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供了一种遥感图像的主动谱聚类方法，首先，提取遥感图像特征并构建k-NN图，利用k-NN图进行遥感影像谱聚类；然后，主动选择出邻域标号最混乱的遥感图像，并对其与邻居间的边进行提问获得成对约束信息，采用成对约束信息对k-NN图进行提纯，并基于提纯后的k-NN图重新对遥感图像进行谱聚类。本发明方法降低了数据标记难度，对操作者专业知识无太高要求；显著提高了遥感图像聚类结果准确度和海量遥感图像的分析处理能力。
找到6项技术成果数据。
找技术>-
基于静息态功能连接的杏仁核谱聚类分割方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于静息态功能成像的杏仁核谱聚类分割方法，是一种基于谱聚类算法根据杏仁核内部体素功能的相似性对该脑区进行自动化高效率的方法，先对静息态磁共振数据预处理、再杏仁核脑区提取、然后杏仁核内部体素全脑功能连接计算以及最后对功能连接矩阵谱聚类分割，本发明提出的自动分割算法与杏仁核临床解剖结果取得很大程度的一致性，并且在稳定性和抗噪声干扰方面也取得较满意的结果，相对于传统手动分割方法，更加简单，方便，高效、可重复性高等多方面的优点。
-
一种提取网络节点社区属性的自适应谱聚类方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
一种提取网络节点社区属性的自适应谱聚类方法,1、设定移动群智感知网络中的节点个数是M,初始化社区个数N=1,标记节点v的社区属性是,定义M个节点组成一个社区的模块度Qmax=0;2、由节点v相对全部M个节点的亲密度向量得到相似度矩阵;3、将相似度矩阵的特征值按从大到小排列,对前N个特征值构建的特征向量空间进行聚类,标记每个节点的社区属性;4、由聚类后所有节点的社区属性计算模块度Q,如果Q≥Qmax,则令Qmax=Q,最佳社区分类个数Nop=N,否则,直接进入5;5、令N=N+1;6、重复3-5,直至N=M,Nop值是最佳社区分类个数,社区中的节点具有最佳的社区属性。本发明方法可提高网络节点社区分类的准确度。
-
一种基于邻域粗糙集约减的谱聚类方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明是一种基于邻域粗糙集约减的谱聚类方法及系统，该方法将信息熵引入到邻域粗糙集中，在保持样本区分能力的前提下，去除冗余的属性，保留对聚类贡献最大的属性；然后基于约简后的属性集合，计算样本点之间的相似度，构造相似性矩阵和拉普拉斯矩阵；最后利用谱聚类方法得到最终的聚类结果。通过属性约简，可以提高谱聚类处理高维数据的能力，改善聚类的准确率。
-
一种融合拓扑势和谱聚类的社区发现方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供一种融合拓扑势和谱聚类的社区发现方法及系统，该方法包括计算给定的复杂网络中n个节点的拓扑势值，根据n个节点的拓扑势值构造复杂网络的节点的标准矩阵；搜索所有局部极大势值节点，获得包含t个局部极大势值节点的局部极大势值节点集合；计算节点的标准矩阵的所有特征值，选取前t‑1个非平凡特征值，以t‑1个非平凡特征值对应的t‑1个特征向量构成t‑1维空间；将复杂网络的n个节点映射到t‑1维空间中；将t个局部极大势值节点作为初始聚类中心，采用K‑means算法将t‑1维空间中的n个节点划分为t个社区。本发明利用节点拓扑势值构造谱聚类中的标准矩阵，能从全局角度反映节点间的紧密关系，有助于提高社区划分结果的准确性；具有很强的适应性。
-
一种基于临近点法的聚类个数自动确定谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于临近点法的聚类个数自动确定谱聚类方法，包括以下步骤1)对数据集的所有维进行了归一化处理；2)通过临近点法计算出区间稀疏距离矩阵以及定义为临近点距离均值的局部尺度参数，得到整体稀疏相似度矩阵；3)调用CCFD方法确定数据点的局部密度和具有更高局部密度的其他点的最小距离，得到在置信区间外的拟合产生的奇异点个数；4)依据公式计算出度矩阵D和拉普拉斯矩阵L，并对L进行特征分解取出特征向量组；5)输出聚类结果；6)选取最高Fitness函数值所对应的最优临近点个数的聚类结果进行输出。本发明能够根据数据分布估计每个数据点的局部尺度参数，自动确定聚类中心的个数，并且实现了临近点个数的参数自适应。
-
遥感图像的主动谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供了一种遥感图像的主动谱聚类方法，首先，提取遥感图像特征并构建k-NN图，利用k-NN图进行遥感影像谱聚类；然后，主动选择出邻域标号最混乱的遥感图像，并对其与邻居间的边进行提问获得成对约束信息，采用成对约束信息对k-NN图进行提纯，并基于提纯后的k-NN图重新对遥感图像进行谱聚类。本发明方法降低了数据标记难度，对操作者专业知识无太高要求；显著提高了遥感图像聚类结果准确度和海量遥感图像的分析处理能力。
找到6项技术成果数据。
找技术>-
基于静息态功能连接的杏仁核谱聚类分割方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于静息态功能成像的杏仁核谱聚类分割方法，是一种基于谱聚类算法根据杏仁核内部体素功能的相似性对该脑区进行自动化高效率的方法，先对静息态磁共振数据预处理、再杏仁核脑区提取、然后杏仁核内部体素全脑功能连接计算以及最后对功能连接矩阵谱聚类分割，本发明提出的自动分割算法与杏仁核临床解剖结果取得很大程度的一致性，并且在稳定性和抗噪声干扰方面也取得较满意的结果，相对于传统手动分割方法，更加简单，方便，高效、可重复性高等多方面的优点。
-
一种提取网络节点社区属性的自适应谱聚类方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
一种提取网络节点社区属性的自适应谱聚类方法,1、设定移动群智感知网络中的节点个数是M,初始化社区个数N=1,标记节点v的社区属性是,定义M个节点组成一个社区的模块度Qmax=0;2、由节点v相对全部M个节点的亲密度向量得到相似度矩阵;3、将相似度矩阵的特征值按从大到小排列,对前N个特征值构建的特征向量空间进行聚类,标记每个节点的社区属性;4、由聚类后所有节点的社区属性计算模块度Q,如果Q≥Qmax,则令Qmax=Q,最佳社区分类个数Nop=N,否则,直接进入5;5、令N=N+1;6、重复3-5,直至N=M,Nop值是最佳社区分类个数,社区中的节点具有最佳的社区属性。本发明方法可提高网络节点社区分类的准确度。
-
一种基于邻域粗糙集约减的谱聚类方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明是一种基于邻域粗糙集约减的谱聚类方法及系统，该方法将信息熵引入到邻域粗糙集中，在保持样本区分能力的前提下，去除冗余的属性，保留对聚类贡献最大的属性；然后基于约简后的属性集合，计算样本点之间的相似度，构造相似性矩阵和拉普拉斯矩阵；最后利用谱聚类方法得到最终的聚类结果。通过属性约简，可以提高谱聚类处理高维数据的能力，改善聚类的准确率。
-
一种融合拓扑势和谱聚类的社区发现方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供一种融合拓扑势和谱聚类的社区发现方法及系统，该方法包括计算给定的复杂网络中n个节点的拓扑势值，根据n个节点的拓扑势值构造复杂网络的节点的标准矩阵；搜索所有局部极大势值节点，获得包含t个局部极大势值节点的局部极大势值节点集合；计算节点的标准矩阵的所有特征值，选取前t‑1个非平凡特征值，以t‑1个非平凡特征值对应的t‑1个特征向量构成t‑1维空间；将复杂网络的n个节点映射到t‑1维空间中；将t个局部极大势值节点作为初始聚类中心，采用K‑means算法将t‑1维空间中的n个节点划分为t个社区。本发明利用节点拓扑势值构造谱聚类中的标准矩阵，能从全局角度反映节点间的紧密关系，有助于提高社区划分结果的准确性；具有很强的适应性。
-
一种基于临近点法的聚类个数自动确定谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于临近点法的聚类个数自动确定谱聚类方法，包括以下步骤1)对数据集的所有维进行了归一化处理；2)通过临近点法计算出区间稀疏距离矩阵以及定义为临近点距离均值的局部尺度参数，得到整体稀疏相似度矩阵；3)调用CCFD方法确定数据点的局部密度和具有更高局部密度的其他点的最小距离，得到在置信区间外的拟合产生的奇异点个数；4)依据公式计算出度矩阵D和拉普拉斯矩阵L，并对L进行特征分解取出特征向量组；5)输出聚类结果；6)选取最高Fitness函数值所对应的最优临近点个数的聚类结果进行输出。本发明能够根据数据分布估计每个数据点的局部尺度参数，自动确定聚类中心的个数，并且实现了临近点个数的参数自适应。
-
遥感图像的主动谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供了一种遥感图像的主动谱聚类方法，首先，提取遥感图像特征并构建k-NN图，利用k-NN图进行遥感影像谱聚类；然后，主动选择出邻域标号最混乱的遥感图像，并对其与邻居间的边进行提问获得成对约束信息，采用成对约束信息对k-NN图进行提纯，并基于提纯后的k-NN图重新对遥感图像进行谱聚类。本发明方法降低了数据标记难度，对操作者专业知识无太高要求；显著提高了遥感图像聚类结果准确度和海量遥感图像的分析处理能力。
找到6项技术成果数据。
找技术>-
基于静息态功能连接的杏仁核谱聚类分割方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于静息态功能成像的杏仁核谱聚类分割方法，是一种基于谱聚类算法根据杏仁核内部体素功能的相似性对该脑区进行自动化高效率的方法，先对静息态磁共振数据预处理、再杏仁核脑区提取、然后杏仁核内部体素全脑功能连接计算以及最后对功能连接矩阵谱聚类分割，本发明提出的自动分割算法与杏仁核临床解剖结果取得很大程度的一致性，并且在稳定性和抗噪声干扰方面也取得较满意的结果，相对于传统手动分割方法，更加简单，方便，高效、可重复性高等多方面的优点。
-
一种提取网络节点社区属性的自适应谱聚类方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
一种提取网络节点社区属性的自适应谱聚类方法,1、设定移动群智感知网络中的节点个数是M,初始化社区个数N=1,标记节点v的社区属性是,定义M个节点组成一个社区的模块度Qmax=0;2、由节点v相对全部M个节点的亲密度向量得到相似度矩阵;3、将相似度矩阵的特征值按从大到小排列,对前N个特征值构建的特征向量空间进行聚类,标记每个节点的社区属性;4、由聚类后所有节点的社区属性计算模块度Q,如果Q≥Qmax,则令Qmax=Q,最佳社区分类个数Nop=N,否则,直接进入5;5、令N=N+1;6、重复3-5,直至N=M,Nop值是最佳社区分类个数,社区中的节点具有最佳的社区属性。本发明方法可提高网络节点社区分类的准确度。
-
一种基于邻域粗糙集约减的谱聚类方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明是一种基于邻域粗糙集约减的谱聚类方法及系统，该方法将信息熵引入到邻域粗糙集中，在保持样本区分能力的前提下，去除冗余的属性，保留对聚类贡献最大的属性；然后基于约简后的属性集合，计算样本点之间的相似度，构造相似性矩阵和拉普拉斯矩阵；最后利用谱聚类方法得到最终的聚类结果。通过属性约简，可以提高谱聚类处理高维数据的能力，改善聚类的准确率。
-
一种融合拓扑势和谱聚类的社区发现方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供一种融合拓扑势和谱聚类的社区发现方法及系统，该方法包括计算给定的复杂网络中n个节点的拓扑势值，根据n个节点的拓扑势值构造复杂网络的节点的标准矩阵；搜索所有局部极大势值节点，获得包含t个局部极大势值节点的局部极大势值节点集合；计算节点的标准矩阵的所有特征值，选取前t‑1个非平凡特征值，以t‑1个非平凡特征值对应的t‑1个特征向量构成t‑1维空间；将复杂网络的n个节点映射到t‑1维空间中；将t个局部极大势值节点作为初始聚类中心，采用K‑means算法将t‑1维空间中的n个节点划分为t个社区。本发明利用节点拓扑势值构造谱聚类中的标准矩阵，能从全局角度反映节点间的紧密关系，有助于提高社区划分结果的准确性；具有很强的适应性。
-
一种基于临近点法的聚类个数自动确定谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于临近点法的聚类个数自动确定谱聚类方法，包括以下步骤1)对数据集的所有维进行了归一化处理；2)通过临近点法计算出区间稀疏距离矩阵以及定义为临近点距离均值的局部尺度参数，得到整体稀疏相似度矩阵；3)调用CCFD方法确定数据点的局部密度和具有更高局部密度的其他点的最小距离，得到在置信区间外的拟合产生的奇异点个数；4)依据公式计算出度矩阵D和拉普拉斯矩阵L，并对L进行特征分解取出特征向量组；5)输出聚类结果；6)选取最高Fitness函数值所对应的最优临近点个数的聚类结果进行输出。本发明能够根据数据分布估计每个数据点的局部尺度参数，自动确定聚类中心的个数，并且实现了临近点个数的参数自适应。
-
遥感图像的主动谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供了一种遥感图像的主动谱聚类方法，首先，提取遥感图像特征并构建k-NN图，利用k-NN图进行遥感影像谱聚类；然后，主动选择出邻域标号最混乱的遥感图像，并对其与邻居间的边进行提问获得成对约束信息，采用成对约束信息对k-NN图进行提纯，并基于提纯后的k-NN图重新对遥感图像进行谱聚类。本发明方法降低了数据标记难度，对操作者专业知识无太高要求；显著提高了遥感图像聚类结果准确度和海量遥感图像的分析处理能力。
找到6项技术成果数据。
找技术>-
基于静息态功能连接的杏仁核谱聚类分割方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于静息态功能成像的杏仁核谱聚类分割方法，是一种基于谱聚类算法根据杏仁核内部体素功能的相似性对该脑区进行自动化高效率的方法，先对静息态磁共振数据预处理、再杏仁核脑区提取、然后杏仁核内部体素全脑功能连接计算以及最后对功能连接矩阵谱聚类分割，本发明提出的自动分割算法与杏仁核临床解剖结果取得很大程度的一致性，并且在稳定性和抗噪声干扰方面也取得较满意的结果，相对于传统手动分割方法，更加简单，方便，高效、可重复性高等多方面的优点。
-
一种提取网络节点社区属性的自适应谱聚类方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
一种提取网络节点社区属性的自适应谱聚类方法,1、设定移动群智感知网络中的节点个数是M,初始化社区个数N=1,标记节点v的社区属性是,定义M个节点组成一个社区的模块度Qmax=0;2、由节点v相对全部M个节点的亲密度向量得到相似度矩阵;3、将相似度矩阵的特征值按从大到小排列,对前N个特征值构建的特征向量空间进行聚类,标记每个节点的社区属性;4、由聚类后所有节点的社区属性计算模块度Q,如果Q≥Qmax,则令Qmax=Q,最佳社区分类个数Nop=N,否则,直接进入5;5、令N=N+1;6、重复3-5,直至N=M,Nop值是最佳社区分类个数,社区中的节点具有最佳的社区属性。本发明方法可提高网络节点社区分类的准确度。
-
一种基于邻域粗糙集约减的谱聚类方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明是一种基于邻域粗糙集约减的谱聚类方法及系统，该方法将信息熵引入到邻域粗糙集中，在保持样本区分能力的前提下，去除冗余的属性，保留对聚类贡献最大的属性；然后基于约简后的属性集合，计算样本点之间的相似度，构造相似性矩阵和拉普拉斯矩阵；最后利用谱聚类方法得到最终的聚类结果。通过属性约简，可以提高谱聚类处理高维数据的能力，改善聚类的准确率。
-
一种融合拓扑势和谱聚类的社区发现方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供一种融合拓扑势和谱聚类的社区发现方法及系统，该方法包括计算给定的复杂网络中n个节点的拓扑势值，根据n个节点的拓扑势值构造复杂网络的节点的标准矩阵；搜索所有局部极大势值节点，获得包含t个局部极大势值节点的局部极大势值节点集合；计算节点的标准矩阵的所有特征值，选取前t‑1个非平凡特征值，以t‑1个非平凡特征值对应的t‑1个特征向量构成t‑1维空间；将复杂网络的n个节点映射到t‑1维空间中；将t个局部极大势值节点作为初始聚类中心，采用K‑means算法将t‑1维空间中的n个节点划分为t个社区。本发明利用节点拓扑势值构造谱聚类中的标准矩阵，能从全局角度反映节点间的紧密关系，有助于提高社区划分结果的准确性；具有很强的适应性。
-
一种基于临近点法的聚类个数自动确定谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于临近点法的聚类个数自动确定谱聚类方法，包括以下步骤1)对数据集的所有维进行了归一化处理；2)通过临近点法计算出区间稀疏距离矩阵以及定义为临近点距离均值的局部尺度参数，得到整体稀疏相似度矩阵；3)调用CCFD方法确定数据点的局部密度和具有更高局部密度的其他点的最小距离，得到在置信区间外的拟合产生的奇异点个数；4)依据公式计算出度矩阵D和拉普拉斯矩阵L，并对L进行特征分解取出特征向量组；5)输出聚类结果；6)选取最高Fitness函数值所对应的最优临近点个数的聚类结果进行输出。本发明能够根据数据分布估计每个数据点的局部尺度参数，自动确定聚类中心的个数，并且实现了临近点个数的参数自适应。
-
遥感图像的主动谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供了一种遥感图像的主动谱聚类方法，首先，提取遥感图像特征并构建k-NN图，利用k-NN图进行遥感影像谱聚类；然后，主动选择出邻域标号最混乱的遥感图像，并对其与邻居间的边进行提问获得成对约束信息，采用成对约束信息对k-NN图进行提纯，并基于提纯后的k-NN图重新对遥感图像进行谱聚类。本发明方法降低了数据标记难度，对操作者专业知识无太高要求；显著提高了遥感图像聚类结果准确度和海量遥感图像的分析处理能力。
找到6项技术成果数据。
找技术>-
基于静息态功能连接的杏仁核谱聚类分割方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于静息态功能成像的杏仁核谱聚类分割方法，是一种基于谱聚类算法根据杏仁核内部体素功能的相似性对该脑区进行自动化高效率的方法，先对静息态磁共振数据预处理、再杏仁核脑区提取、然后杏仁核内部体素全脑功能连接计算以及最后对功能连接矩阵谱聚类分割，本发明提出的自动分割算法与杏仁核临床解剖结果取得很大程度的一致性，并且在稳定性和抗噪声干扰方面也取得较满意的结果，相对于传统手动分割方法，更加简单，方便，高效、可重复性高等多方面的优点。
-
一种提取网络节点社区属性的自适应谱聚类方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
一种提取网络节点社区属性的自适应谱聚类方法,1、设定移动群智感知网络中的节点个数是M,初始化社区个数N=1,标记节点v的社区属性是,定义M个节点组成一个社区的模块度Qmax=0;2、由节点v相对全部M个节点的亲密度向量得到相似度矩阵;3、将相似度矩阵的特征值按从大到小排列,对前N个特征值构建的特征向量空间进行聚类,标记每个节点的社区属性;4、由聚类后所有节点的社区属性计算模块度Q,如果Q≥Qmax,则令Qmax=Q,最佳社区分类个数Nop=N,否则,直接进入5;5、令N=N+1;6、重复3-5,直至N=M,Nop值是最佳社区分类个数,社区中的节点具有最佳的社区属性。本发明方法可提高网络节点社区分类的准确度。
-
一种基于邻域粗糙集约减的谱聚类方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明是一种基于邻域粗糙集约减的谱聚类方法及系统，该方法将信息熵引入到邻域粗糙集中，在保持样本区分能力的前提下，去除冗余的属性，保留对聚类贡献最大的属性；然后基于约简后的属性集合，计算样本点之间的相似度，构造相似性矩阵和拉普拉斯矩阵；最后利用谱聚类方法得到最终的聚类结果。通过属性约简，可以提高谱聚类处理高维数据的能力，改善聚类的准确率。
-
一种融合拓扑势和谱聚类的社区发现方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供一种融合拓扑势和谱聚类的社区发现方法及系统，该方法包括计算给定的复杂网络中n个节点的拓扑势值，根据n个节点的拓扑势值构造复杂网络的节点的标准矩阵；搜索所有局部极大势值节点，获得包含t个局部极大势值节点的局部极大势值节点集合；计算节点的标准矩阵的所有特征值，选取前t‑1个非平凡特征值，以t‑1个非平凡特征值对应的t‑1个特征向量构成t‑1维空间；将复杂网络的n个节点映射到t‑1维空间中；将t个局部极大势值节点作为初始聚类中心，采用K‑means算法将t‑1维空间中的n个节点划分为t个社区。本发明利用节点拓扑势值构造谱聚类中的标准矩阵，能从全局角度反映节点间的紧密关系，有助于提高社区划分结果的准确性；具有很强的适应性。
-
一种基于临近点法的聚类个数自动确定谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于临近点法的聚类个数自动确定谱聚类方法，包括以下步骤1)对数据集的所有维进行了归一化处理；2)通过临近点法计算出区间稀疏距离矩阵以及定义为临近点距离均值的局部尺度参数，得到整体稀疏相似度矩阵；3)调用CCFD方法确定数据点的局部密度和具有更高局部密度的其他点的最小距离，得到在置信区间外的拟合产生的奇异点个数；4)依据公式计算出度矩阵D和拉普拉斯矩阵L，并对L进行特征分解取出特征向量组；5)输出聚类结果；6)选取最高Fitness函数值所对应的最优临近点个数的聚类结果进行输出。本发明能够根据数据分布估计每个数据点的局部尺度参数，自动确定聚类中心的个数，并且实现了临近点个数的参数自适应。
-
遥感图像的主动谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供了一种遥感图像的主动谱聚类方法，首先，提取遥感图像特征并构建k-NN图，利用k-NN图进行遥感影像谱聚类；然后，主动选择出邻域标号最混乱的遥感图像，并对其与邻居间的边进行提问获得成对约束信息，采用成对约束信息对k-NN图进行提纯，并基于提纯后的k-NN图重新对遥感图像进行谱聚类。本发明方法降低了数据标记难度，对操作者专业知识无太高要求；显著提高了遥感图像聚类结果准确度和海量遥感图像的分析处理能力。
找到6项技术成果数据。
找技术>-
基于静息态功能连接的杏仁核谱聚类分割方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于静息态功能成像的杏仁核谱聚类分割方法，是一种基于谱聚类算法根据杏仁核内部体素功能的相似性对该脑区进行自动化高效率的方法，先对静息态磁共振数据预处理、再杏仁核脑区提取、然后杏仁核内部体素全脑功能连接计算以及最后对功能连接矩阵谱聚类分割，本发明提出的自动分割算法与杏仁核临床解剖结果取得很大程度的一致性，并且在稳定性和抗噪声干扰方面也取得较满意的结果，相对于传统手动分割方法，更加简单，方便，高效、可重复性高等多方面的优点。
-
一种提取网络节点社区属性的自适应谱聚类方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
一种提取网络节点社区属性的自适应谱聚类方法,1、设定移动群智感知网络中的节点个数是M,初始化社区个数N=1,标记节点v的社区属性是,定义M个节点组成一个社区的模块度Qmax=0;2、由节点v相对全部M个节点的亲密度向量得到相似度矩阵;3、将相似度矩阵的特征值按从大到小排列,对前N个特征值构建的特征向量空间进行聚类,标记每个节点的社区属性;4、由聚类后所有节点的社区属性计算模块度Q,如果Q≥Qmax,则令Qmax=Q,最佳社区分类个数Nop=N,否则,直接进入5;5、令N=N+1;6、重复3-5,直至N=M,Nop值是最佳社区分类个数,社区中的节点具有最佳的社区属性。本发明方法可提高网络节点社区分类的准确度。
-
一种基于邻域粗糙集约减的谱聚类方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明是一种基于邻域粗糙集约减的谱聚类方法及系统，该方法将信息熵引入到邻域粗糙集中，在保持样本区分能力的前提下，去除冗余的属性，保留对聚类贡献最大的属性；然后基于约简后的属性集合，计算样本点之间的相似度，构造相似性矩阵和拉普拉斯矩阵；最后利用谱聚类方法得到最终的聚类结果。通过属性约简，可以提高谱聚类处理高维数据的能力，改善聚类的准确率。
-
一种融合拓扑势和谱聚类的社区发现方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供一种融合拓扑势和谱聚类的社区发现方法及系统，该方法包括计算给定的复杂网络中n个节点的拓扑势值，根据n个节点的拓扑势值构造复杂网络的节点的标准矩阵；搜索所有局部极大势值节点，获得包含t个局部极大势值节点的局部极大势值节点集合；计算节点的标准矩阵的所有特征值，选取前t‑1个非平凡特征值，以t‑1个非平凡特征值对应的t‑1个特征向量构成t‑1维空间；将复杂网络的n个节点映射到t‑1维空间中；将t个局部极大势值节点作为初始聚类中心，采用K‑means算法将t‑1维空间中的n个节点划分为t个社区。本发明利用节点拓扑势值构造谱聚类中的标准矩阵，能从全局角度反映节点间的紧密关系，有助于提高社区划分结果的准确性；具有很强的适应性。
-
一种基于临近点法的聚类个数自动确定谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于临近点法的聚类个数自动确定谱聚类方法，包括以下步骤1)对数据集的所有维进行了归一化处理；2)通过临近点法计算出区间稀疏距离矩阵以及定义为临近点距离均值的局部尺度参数，得到整体稀疏相似度矩阵；3)调用CCFD方法确定数据点的局部密度和具有更高局部密度的其他点的最小距离，得到在置信区间外的拟合产生的奇异点个数；4)依据公式计算出度矩阵D和拉普拉斯矩阵L，并对L进行特征分解取出特征向量组；5)输出聚类结果；6)选取最高Fitness函数值所对应的最优临近点个数的聚类结果进行输出。本发明能够根据数据分布估计每个数据点的局部尺度参数，自动确定聚类中心的个数，并且实现了临近点个数的参数自适应。
-
遥感图像的主动谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供了一种遥感图像的主动谱聚类方法，首先，提取遥感图像特征并构建k-NN图，利用k-NN图进行遥感影像谱聚类；然后，主动选择出邻域标号最混乱的遥感图像，并对其与邻居间的边进行提问获得成对约束信息，采用成对约束信息对k-NN图进行提纯，并基于提纯后的k-NN图重新对遥感图像进行谱聚类。本发明方法降低了数据标记难度，对操作者专业知识无太高要求；显著提高了遥感图像聚类结果准确度和海量遥感图像的分析处理能力。
找到6项技术成果数据。
找技术>-
基于静息态功能连接的杏仁核谱聚类分割方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于静息态功能成像的杏仁核谱聚类分割方法，是一种基于谱聚类算法根据杏仁核内部体素功能的相似性对该脑区进行自动化高效率的方法，先对静息态磁共振数据预处理、再杏仁核脑区提取、然后杏仁核内部体素全脑功能连接计算以及最后对功能连接矩阵谱聚类分割，本发明提出的自动分割算法与杏仁核临床解剖结果取得很大程度的一致性，并且在稳定性和抗噪声干扰方面也取得较满意的结果，相对于传统手动分割方法，更加简单，方便，高效、可重复性高等多方面的优点。
-
一种提取网络节点社区属性的自适应谱聚类方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
一种提取网络节点社区属性的自适应谱聚类方法,1、设定移动群智感知网络中的节点个数是M,初始化社区个数N=1,标记节点v的社区属性是,定义M个节点组成一个社区的模块度Qmax=0;2、由节点v相对全部M个节点的亲密度向量得到相似度矩阵;3、将相似度矩阵的特征值按从大到小排列,对前N个特征值构建的特征向量空间进行聚类,标记每个节点的社区属性;4、由聚类后所有节点的社区属性计算模块度Q,如果Q≥Qmax,则令Qmax=Q,最佳社区分类个数Nop=N,否则,直接进入5;5、令N=N+1;6、重复3-5,直至N=M,Nop值是最佳社区分类个数,社区中的节点具有最佳的社区属性。本发明方法可提高网络节点社区分类的准确度。
-
一种基于邻域粗糙集约减的谱聚类方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明是一种基于邻域粗糙集约减的谱聚类方法及系统，该方法将信息熵引入到邻域粗糙集中，在保持样本区分能力的前提下，去除冗余的属性，保留对聚类贡献最大的属性；然后基于约简后的属性集合，计算样本点之间的相似度，构造相似性矩阵和拉普拉斯矩阵；最后利用谱聚类方法得到最终的聚类结果。通过属性约简，可以提高谱聚类处理高维数据的能力，改善聚类的准确率。
-
一种融合拓扑势和谱聚类的社区发现方法及系统
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供一种融合拓扑势和谱聚类的社区发现方法及系统，该方法包括计算给定的复杂网络中n个节点的拓扑势值，根据n个节点的拓扑势值构造复杂网络的节点的标准矩阵；搜索所有局部极大势值节点，获得包含t个局部极大势值节点的局部极大势值节点集合；计算节点的标准矩阵的所有特征值，选取前t‑1个非平凡特征值，以t‑1个非平凡特征值对应的t‑1个特征向量构成t‑1维空间；将复杂网络的n个节点映射到t‑1维空间中；将t个局部极大势值节点作为初始聚类中心，采用K‑means算法将t‑1维空间中的n个节点划分为t个社区。本发明利用节点拓扑势值构造谱聚类中的标准矩阵，能从全局角度反映节点间的紧密关系，有助于提高社区划分结果的准确性；具有很强的适应性。
-
一种基于临近点法的聚类个数自动确定谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于临近点法的聚类个数自动确定谱聚类方法，包括以下步骤1)对数据集的所有维进行了归一化处理；2)通过临近点法计算出区间稀疏距离矩阵以及定义为临近点距离均值的局部尺度参数，得到整体稀疏相似度矩阵；3)调用CCFD方法确定数据点的局部密度和具有更高局部密度的其他点的最小距离，得到在置信区间外的拟合产生的奇异点个数；4)依据公式计算出度矩阵D和拉普拉斯矩阵L，并对L进行特征分解取出特征向量组；5)输出聚类结果；6)选取最高Fitness函数值所对应的最优临近点个数的聚类结果进行输出。本发明能够根据数据分布估计每个数据点的局部尺度参数，自动确定聚类中心的个数，并且实现了临近点个数的参数自适应。
-
遥感图像的主动谱聚类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明提供了一种遥感图像的主动谱聚类方法，首先，提取遥感图像特征并构建k-NN图，利用k-NN图进行遥感影像谱聚类；然后，主动选择出邻域标号最混乱的遥感图像，并对其与邻居间的边进行提问获得成对约束信息，采用成对约束信息对k-NN图进行提纯，并基于提纯后的k-NN图重新对遥感图像进行谱聚类。本发明方法降低了数据标记难度，对操作者专业知识无太高要求；显著提高了遥感图像聚类结果准确度和海量遥感图像的分析处理能力。