-
公开(公告)号：CN115691700B
公开(公告)日：2023-05-02
申请号：CN202211397847.9
申请日：2022-11-09
Applicant: 哈尔滨理工大学
IPC: G16C20/30 , G06F18/2321
Abstract: 本发明提供一种基于三种共识策略的双粒度聚类集成算法的高熵合金硬度预测方法，涉及合金硬度预测技术领域，为解决现有技术中采用单一聚类方法不能同时适用于不同分布特征的数据集，即使在同一种数据分布下往往也不能达到稳定、统一的聚类效果的问题。本发明将高熵合金数据集X＝{x1，x2，...，xN}∈Rh利用聚类算法生成基聚类组合Π＝{π1，π2，...，πM}；将给定的共识函数嵌入到选择策略，去除基聚类集合中的噪声成员，并计算得到的基聚类组合的共识结果，采用可调DS证据理论共识策略将去除噪声成员后得到的共识结果进行融合，得到不同类簇的最终划分结果；将不同类簇各自建立回归模型进行硬度预测计算。本发明采用的聚类方法能够提取多个基聚类信息，实现更好性能的聚类结果。
-
公开(公告)号：CN119293539A
公开(公告)日：2025-01-10
申请号：CN202411362182.7
申请日：2024-09-27
Applicant: 哈尔滨理工大学
IPC: G06F18/2337 , G06F18/213
Abstract: 本发明一种基于等效粒度的高效式模糊聚类集成的锂电池健康状态估计方法及系统，涉及电池健康状态预测领域，为解决现有方法将每个样本视为独立的个体，而忽略了样本间的等价关系，以及使用全部的样本点学习数据集的核心主体簇结构的问题。本发明通过构建数据集的等效点集，并基于等效子集元素的潜在等效粒度构建潜在等效粒度集，将潜在等效粒度集划分为核心等效粒度集和模糊等效粒度集，衡量任意两个核心等效粒度之间的模糊关系，构建核心等效粒度关系矩阵，对主体簇结构进行识别，将模糊等效粒度分配给得到的主体簇结构，同时，将被隐藏样本点的标签还原为与其等价的潜在等效粒度的标签，得到共识结果；基于共识结果对电池健康状态进行预测。
-
公开(公告)号：CN114613456B
公开(公告)日：2023-04-28
申请号：CN202210221449.5
申请日：2022-03-07
Applicant: 哈尔滨理工大学
IPC: G16C60/00 , G16C10/00 , G06F18/2321
Abstract: 本发明提供了一种基于改进密度峰值聚类算法的高熵合金硬度预测方法，属于合金硬度预测领域。为了解决高熵合金数据集数据结构差异较大，采用传统的回归模型直接对整个高熵合金数据集的硬度进行预测，不能较好的学习到高熵合金数据集的内部结构特征，导致预测能力较差的问题。本发明包括以下步骤：1、针对原始的密度峰值聚类算法进行改进得到改进密度峰值聚类算法，称为SKTDPC算法；步骤1‑1、基于K‑d树加速局部密度的计算；步骤1‑2、通过稀疏搜索策略加速相对距离的计算；步骤1‑3、聚类中心的自适应确定；步骤2、依据改进密度峰值聚类算法对高熵合金硬度进行预测；本发明改进密度峰值聚类算法进行了双重加速，降低了算法的复杂度。
-
公开(公告)号：CN119293539B
公开(公告)日：2025-04-04
申请号：CN202411362182.7
申请日：2024-09-27
Applicant: 哈尔滨理工大学
IPC: G06F18/2337 , G06F18/213
Abstract: 本发明一种基于等效粒度的高效式模糊聚类集成的锂电池健康状态估计方法及系统，涉及电池健康状态预测领域，为解决现有方法将每个样本视为独立的个体，而忽略了样本间的等价关系，以及使用全部的样本点学习数据集的核心主体簇结构的问题。本发明通过构建数据集的等效点集，并基于等效子集元素的潜在等效粒度构建潜在等效粒度集，将潜在等效粒度集划分为核心等效粒度集和模糊等效粒度集，衡量任意两个核心等效粒度之间的模糊关系，构建核心等效粒度关系矩阵，对主体簇结构进行识别，将模糊等效粒度分配给得到的主体簇结构，同时，将被隐藏样本点的标签还原为与其等价的潜在等效粒度的标签，得到共识结果；基于共识结果对电池健康状态进行预测。
-
-
Patent Agency Ranking
公开(公告)号：CN116434880B
公开(公告)日：2023-09-08
申请号：CN202310204380.X
申请日：2023-03-06
Applicant: 哈尔滨理工大学
IPC: G16C60/00 , G06F18/2321
Abstract: 本发明提供一种基于模糊自洽式聚类集成的高熵合金硬度预测方法，属于合金硬度预测技术领域。为解决现有方法无法有效避免类簇标签值的大小对对象间关系的影响，共识结果很难准确地映射出基聚类结果间的实际差异，且处理不确定性关系的能力较弱的问题。本发明方法将基聚类结果作为样本点特征，将基聚类结果采用缩放的哑变量的形式表示；采用模糊算子构建所有样本点的关系矩阵；基于关系矩阵计算各样本点的局部密度和相对距离，以识别聚类中心和分配非中心点，并构建再分配策略对共识聚类结果中的不确定性样本点进行修正。本发明消除了基聚类结果间划分差异的影响，从模糊算子的角度审视对象间的模糊关系，有效地提升对模糊关系的处理能力。
-
公开(公告)号：CN112885404A
公开(公告)日：2021-06-01
申请号：CN202110330286.X
申请日：2021-03-29
Applicant: 哈尔滨理工大学
IPC: G16B5/10
Abstract: 一种多层布尔网络的模型辨识方法及系统，属于模型辨识技术领域，用以解决现有单层或多层布尔网络并不能详细地描述生物模型之间的逻辑关系和对多层布尔网络模型的辨识问题。本发明的技术要点包括：首先获取观测数据；然后对观测数据进行预处理；然后建立多层布尔网络模型；其中，多层布尔网络包括多个单层布尔网络和各层之间的全局状态层；最后辨识获得一个或多个多层布尔网络的模型结构；进一步，根据矛盾列的数据，给出系统选择的概率，从而根据概率确定最终的多层布尔网络的模型结构。本发明可以准确地辨识模型结构，从而可以详细地描述生物模型中的逻辑关系。本发明可以广泛地应用于基因调控网络的研究中。
-
公开(公告)号：CN116434880A
公开(公告)日：2023-07-14
申请号：CN202310204380.X
申请日：2023-03-06
Applicant: 哈尔滨理工大学
IPC: G16C60/00 , G06F18/2321
Abstract: 本发明提供一种基于模糊自洽式聚类集成的高熵合金硬度预测方法，属于合金硬度预测技术领域。为解决现有方法无法有效避免类簇标签值的大小对对象间关系的影响，共识结果很难准确地映射出基聚类结果间的实际差异，且处理不确定性关系的能力较弱的问题。本发明方法将基聚类结果作为样本点特征，将基聚类结果采用缩放的哑变量的形式表示；采用模糊算子构建所有样本点的关系矩阵；基于关系矩阵计算各样本点的局部密度和相对距离，以识别聚类中心和分配非中心点，并构建再分配策略对共识聚类结果中的不确定性样本点进行修正。本发明消除了基聚类结果间划分差异的影响，从模糊算子的角度审视对象间的模糊关系，有效地提升对模糊关系的处理能力。
-
公开(公告)号：CN115691700A
公开(公告)日：2023-02-03
申请号：CN202211397847.9
申请日：2022-11-09
Applicant: 哈尔滨理工大学
IPC: G16C20/30 , G06F18/2321
Abstract: 本发明提供一种基于三种共识策略的双粒度聚类集成算法的高熵合金硬度预测方法，涉及合金硬度预测技术领域，为解决现有技术中采用单一聚类方法不能同时适用于不同分布特征的数据集，即使在同一种数据分布下往往也不能达到稳定、统一的聚类效果的问题。本发明将高熵合金数据集X＝{x1，x2，...，xN}∈Rh利用聚类算法生成基聚类组合Π＝{π1，π2，...，πM}；将给定的共识函数嵌入到选择策略，去除基聚类集合中的噪声成员，并计算得到的基聚类组合的共识结果，采用可调DS证据理论共识策略将去除噪声成员后得到的共识结果进行融合，得到不同类簇的最终划分结果；将不同类簇各自建立回归模型进行硬度预测计算。本发明采用的聚类方法能够提取多个基聚类信息，实现更好性能的聚类结果。
-
公开(公告)号：CN114613456A
公开(公告)日：2022-06-10
申请号：CN202210221449.5
申请日：2022-03-07
Applicant: 哈尔滨理工大学
Abstract: 本发明提供了一种基于改进密度峰值聚类算法的高熵合金硬度预测方法，属于合金硬度预测领域。为了解决高熵合金数据集数据结构差异较大，采用传统的回归模型直接对整个高熵合金数据集的硬度进行预测，不能较好的学习到高熵合金数据集的内部结构特征，导致预测能力较差的问题。本发明包括以下步骤：1、针对原始的密度峰值聚类算法进行改进得到改进密度峰值聚类算法，称为SKTDPC算法；步骤1‑1、基于K‑d树加速局部密度的计算；步骤1‑2、通过稀疏搜索策略加速相对距离的计算；步骤1‑3、聚类中心的自适应确定；步骤2、依据改进密度峰值聚类算法对高熵合金硬度进行预测；本发明改进密度峰值聚类算法进行了双重加速，降低了算法的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
