龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：江苏海洋大学;连云港鲸鸣信息科技有限公司
摘要：本发明实施例涉及一种基于改进K‑means聚类算法模型的海域异常监测方法和装置，该方法包括：获取数据，所述数据为数据采集装置获取的、或者从用户输入的数据集中抽取的；并对提取的数据进行最小关联度判断，通过数据间的内在关系将样本划分为若干类别，构建基于原始样本范围的数据集Dataset‑1；引入预训练提示模型，不断对数据进行参数标准化及异常点过滤，取得局部优化条件下的全局最优化，实现对海域异常样本点的精准判断。通过本发明可以给出一种基于改进数学模型的海域异常数值预报方法，并通过选择提示机制来达到矫正海域状况报错率、提高异常监测精度的目的，对于提高海域异常位置准确性、预防海洋气象灾害具有重要的实用价值。
主权项：1.一种基于改进K-means聚类算法模型的海域异常监测方法，其特征在于，所述方法包括：获取约束数据，所述约束数据为数据采集装置获取的、或者从用户输入的数据集中抽取的；并对提取的约束数据进行最小关联度判断，通过数据间的内在关系把样本划分为若干类别，构建基于原始样本范围的数据集Dataset-1；引入预训练提示模型，不断对数据进行参数标准化及异常点过滤，并在异常点过滤时假设损失函数，通过固定数据集的关联参考值与改变跨类别样本的间距，取得局部优化条件下全局格式最优化，并对分类样本进行混淆处理，将过滤后的数据集作为提示条件，经过循环分类后，评估异常数据的报错概率，并针对报错数据概率分布进行同步训练，主动调整损失函数参数并将其添加到改进模型中。
全文数据：
权利要求：
百度查询： 江苏海洋大学 连云港鲸鸣信息科技有限公司 一种基于改进K-means聚类算法模型的海域异常监测方法和装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号