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：厦门渊亭信息科技有限公司
摘要：本发明提供了一种基于K均值聚类的数据识别方法、系统、设备及存储介质，包括：对输入的数据集进行清洗和标准化处理，获得预处理数据；通过遗传算法确定K均值聚类的初始中心；对预处理数据执行K均值聚类，并且执行聚类期间动态调整聚类数目K，获得聚类结果；利用内部评价指标、外部评价指标以及相对评价指标对聚类结果进行评估，去除未达标的聚类结果后，获得待处理聚类结果；基于待处理聚类结果，识别并标记出对深度学习模型训练质量影响最大的数据点，数据点位于聚类中心或密集区域；将识别出的数据点组成训练数据集，供深度学习模型训练使用。利用先进的聚类算法和自动化处理技术，显著提高了处理大数据集的效率和数据识别的精度。
主权项：1.一种基于K均值聚类的数据识别方法，其特征在于，所述方法包括以下步骤：S1、对输入的数据集进行清洗和标准化处理，获得预处理数据；S2、通过遗传算法确定K均值聚类的初始中心；S3、对所述预处理数据执行K均值聚类，并且执行聚类期间动态调整聚类数目K，获得聚类结果；S4、利用内部评价指标、外部评价指标以及相对评价指标对所述聚类结果进行评估，去除未达标的聚类结果后，获得待处理聚类结果；其中所述内部评价指标的表达式为： 式中表示内部评价指标，是同一聚类中所有数据点间的平均距离，是到最近聚类的所有数据点的平均距离；所述外部评价指标的表达式为： 式中表示外部评价指标，是聚类结果和真实类标签之间的互信息，和分别是真实类标签和聚类结果的熵；所述相对评价指标的表达式为： 式中表示相对评价指标，是聚类的数量，是第个聚类内的平均距离，是第个聚类内的平均距离，是第个聚类的中心，是第个聚类的中心，是不同聚类中心之间的距离；S5、基于所述待处理聚类结果，识别并标记出对深度学习模型训练质量影响最大的数据点，所述数据点位于聚类中心或密集区域；S6、将识别出的所述数据点组成训练数据集，供深度学习模型训练使用。
全文数据：
权利要求：
百度查询： 厦门渊亭信息科技有限公司 基于K均值聚类的数据识别方法、系统、设备及存储介质
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