-
公开(公告)号：CN115221959A
公开(公告)日：2022-10-21
申请号：CN202210842724.5
申请日：2022-07-18
Applicant: 济南大学
Abstract: 本发明提出了基于数据流聚类的工业设备运行状态划分方法及系统，涉及工业设备运行状态划分领域。包括：获取工业设备用电数据；对用电数据提取特征并对提取的特征进行预处理；为预处理后的数据分配动态权重，并将预处理后的数据合并在微簇结构中，更新微簇结构；利用基于自然邻居的密度峰值聚类方法对微簇结构中的数据进行聚类，根据聚类结果匹配工业设备的运行状态。本发明采用动态权重的方法来更加精确的描述以及更新数据的概要信息，采用基于自然邻居的密度峰值聚类算法来完成最终的聚类任务，提升了工业设备运行状态的判断准确度。
-
公开(公告)号：CN115169456A
公开(公告)日：2022-10-11
申请号：CN202210780261.4
申请日：2022-07-04
Applicant: 济南大学
IPC: G06K9/62
Abstract: 本发明属于数据聚类技术领域，提供了一种基于数据集成聚类的工业燃煤锅炉工况划分方法及系统，获取工业燃煤锅炉的运行状态数据；本发明通过混合代表近邻近似、二部图分割和三阶张量集成三个步骤，对工业燃煤锅炉数据进行集成聚类操作，对锅炉数据实现有效的工况划分；具体的，通过混合代表近邻近似构建稀疏亲和子矩阵，可以解决传统的聚类方法计算时间复杂度太高，不能有效构建燃煤锅炉数据的亲和矩阵的问题，通过对二部图进行划分，减少了特征问题求解时间，以及通过将多基聚类结果集成到一个统一的集成聚类框架中，在保持高效率的同时进一步提高了聚类的准确性和鲁棒性。
-
公开(公告)号：CN108647808B
公开(公告)日：2022-03-29
申请号：CN201810322649.3
申请日：2018-04-11
Applicant: 济南大学
Abstract: 本发明涉及一种生产参数优化预测方法、装置、设备及存储介质，包括：获取生产流程中各个工序的监测数据；对所述监测数据预处理；利用规则关联算法在任意两个工序间构建表示两个工序间影响关系的最强关联链，并将所述最强关联链与所述监测数据波动状态结合，得到状态关联链；利用柔性神经树算法根据所述状态关联链建立预测模型，得到并输出预测结果。该方法可根据预测结果对关键工序的参数进行优化，通过优化关键工序的参数进而优化燃煤锅炉的生产流程，达到节能减排、提高经济性和生产安全性的效果。
-
公开(公告)号：CN110472690B
公开(公告)日：2022-03-25
申请号：CN201910768987.4
申请日：2019-08-20
Applicant: 济南大学
Abstract: 本公开提供一种基于自适应模糊聚类的热电工业数据异常检测方法及系统。其中，热电工业数据异常检测方法包括实时获取d维度的热电工业数据作为样本，按照时间顺序存储至数据集S；将数据集S所分布空间的每一维划均分为相等的m个间隔段，生成不相交的网格；将数据集S中的映射到网格中计算各个网格的重心，作为新的数据点来代表相应网格内所包含的热电工业数据，形成网格重心数据集；利用自适应模糊聚类算对网格重心数据集P进行聚类，得到所有聚类中心；计算网格重心数据集中每个数据点所对应网格包含的热电工业数据与其最邻近的聚类中心的距离并与预设距离阈值比较，进而判断热电工业数据是否异常。
-
公开(公告)号：CN113688926A
公开(公告)日：2021-11-23
申请号：CN202111014054.X
申请日：2021-08-31
Applicant: 济南大学
IPC: G06K9/62 , G06F16/958
Abstract: 本发明属于网站行为分类领域，提供了一种网站行为分类方法、系统、存储介质及设备。其中，该方法包括获取网站行为数据集合；其中，集合中每个数据的一个属性为一个维度；对每个数据的邻居进行筛选来确定相应数据的滤波窗口；从网站行为数据集合中随机选出预设数量条数据分别作为类中心数据，计算网站行为数据集合中各个数据属于各个类中心数据的隶属度；基于每个数据的滤波窗口，再利用每个数据的每一维分别作为引导对隶属度滤波，将多维滤波后的隶属度加权求和作为最终滤波后的隶属度；利用最终滤波后的隶属度更新各个的类中心数据，进而更新各类各个维度的属性权重；迭代计算判断更新各个的类中心数据的步骤的终止情况，最后输出网站行为分类结果。
-
Patent Agency Ranking
公开(公告)号：CN109034486A
公开(公告)日：2018-12-18
申请号：CN201810884575.2
申请日：2018-08-06
Applicant: 济南大学
CPC classification number: G06Q10/04 , G06Q10/063
Abstract: 本发明提供一种基于大数据分层聚类的棉花生产工艺优化方法，包括如下步骤：对获取的生产监测原始数据进行数据预处理；对经过预处理后的原始数据确定描述参数属性的关键参数；对确定的关键参数进行数值统计得到分布统计属性数值分布分组；根据分布统计中得到的数值分布分组，使样本中各项属性数据分别映射到各属性分组区间中，形成新的数据集；确定优化目标，进行生产工艺参数的优化。结合棉花加工流程工艺分析。可以用于企业对工艺参数的分析调整。从而优化棉花生产、提高棉花质量、维护企业生产安全。
-
公开(公告)号：CN104346442B
公开(公告)日：2017-10-20
申请号：CN201410541881.8
申请日：2014-10-14
Applicant: 济南大学
IPC: G06F17/30
Abstract: 本发明涉及一种面向流程对象数据的规则提取方法，包括如下步骤：步骤S1：确定流程对象数据的最佳聚簇数量；步骤S2：采用K‑means算法对流程对象数据进行聚类，同时验证步骤S1中的最佳聚簇数量的合理性，如果步骤S1中的最佳聚簇数量合理则转到步骤S3，否则转到步骤S1；步骤S3：采用Apriori维间关联规则算法挖掘不同测点的聚类间的关联规则；步骤S4：确定流程对象数据的最强关联链；步骤S5：根据最强关联链上所有测点的状态值，得到记载各测点状态值的状态链，根据状态链对相关行业进行指导；提高数据规则提取的效率，以及从流程对象数据中提取知识的能力。
-
公开(公告)号：CN116662833A
公开(公告)日：2023-08-29
申请号：CN202310589312.X
申请日：2023-05-22
Applicant: 济南大学
Abstract: 本发明公开了一种基于高斯混合模型的多视图动态迁移聚类方法及系统，该方法包括：获取待聚类的多视图数据集，预设每个视图的视图权重和各视图之间的动态迁移学习因子的初始值；分别对每个视图中的数据样本进行聚类，根据聚类结果计算获取每一视图的高斯混合模型参数初始值以及每一视图中每一数据属于每一簇的隶属度；根据隶属度更新高斯混合模型参数、视图权重和动态迁移学习因子；以更新后的值为最新值，对每个视图进行隶属度迭代计算，直至迭代结束；根据最终迭代获取的动态迁移学习因子进行各视图之间的聚类学习，得到各视图趋于一致的聚类结果。本发明通过动态迁移学习技术实现多视图间互补信息的深入挖掘，提高多视图数据的聚类性能。
-
公开(公告)号：CN113688229A
公开(公告)日：2021-11-23
申请号：CN202111016193.6
申请日：2021-08-31
Applicant: 济南大学
IPC: G06F16/335 , G06F16/35 , G06F16/9535 , G06F16/958
Abstract: 本发明属于文本推荐领域，提供了一种文本推荐方法、系统、存储介质和设备。其中，该方法包括获取待推荐文本的关键词；基于所述待推荐文本与已知属性文本的关键词，聚类所有待推荐文本；根据所有待推荐文本的关键词与已知文本属性的关键词之间的距离，依次推荐文本；其中，在聚类所有候选文本的过程中，考虑所有待推荐文本与已知属性文本的关键词之间的亲和度信息，将得到的亲和度与属性的权重相结合来构造基于维度亲和度的属性权重套索正则项，同时利用最大熵正则化，以实现属性权重的优化分布。
-
公开(公告)号：CN110163255A
公开(公告)日：2019-08-23
申请号：CN201910324141.1
申请日：2019-04-22
Applicant: 济南大学
IPC: G06K9/62 , G06F16/2455 , G06F16/2458
Abstract: 本公开公开了一种基于密度峰值的数据流聚类方法及装置，以密度峰值和模糊聚类方法为基础，首次提出的疑似离群点的概念，以宽度自适应采样窗口模型以及空间-时间衰减机制为主要创新点，以提高算法对数据流聚类的效率为主要目标和出发点，创新性地提出了一种新的数据流聚类方法及装置，即一种基于密度峰值的数据流聚类方法及装置，在保障可观的聚类精度前提下，获得更高效的数据流聚类效果。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.021 seconds)
