公开(公告)号：CN113688934A

公开(公告)日：2021-11-23

申请号：CN202111026341.2

申请日：2021-09-02

Applicant: 济南大学

Inventor： 周劲 ,  王荣荣 ,  韩士元 ,  王琳 ,  杜韬 ,  纪科 ,  张坤 ,  赵亚欧

IPC: G06K9/62 ,  G06F17/16 ,  G06F17/18 ,  G06N20/00

Abstract: 本发明公开了一种基于迁移学习分布式期望最大化金融数据聚类方法，用于细分金融领域分布式P2P网络环境下的客户数据。包括：获取待聚类客户金融数据的业务部门并将各部门数据进行集群分布式存储；各个节点分别进行聚类分析，得到初始聚类结果，并基于各个节点上的初始聚类结果进行统计分析，得到迁移学习的初始模型参数集合；根据设定的目标函数，基于当前模型参数集合计算当前模型目标函数值；在邻居节点之间进行模型参数迁移；对于各个节点上的每个数据点进行类别划分。本发明通过在分布式期望最大化算法中引入迁移学习项，能够显示揭示节点间的协作机制，加速算法收敛，同时，提高聚类精度，精准细分金融客户。

公开(公告)号：CN110956204A

公开(公告)日：2020-04-03

申请号：CN201911130984.4

申请日：2019-11-18

Applicant: 济南大学

Inventor： 周劲 ,  王荣荣 ,  韩士元 ,  王琳 ,  陈月辉

IPC: G06K9/62

Abstract: 一种基于迁移学习的高斯混合模型数据聚类方法，通过将稀少的待聚类的数据集作为目标域 ，选取与目标域数据类型相似且数据量充足的数据集作为源域 。首先用高斯混合模型对源域 中的数据聚类，得到源域的类均值与类协方差矩阵。使用从源域聚类获得的类均值与类协方差矩阵，并通过基于迁移学习的高斯混合模型聚类算法对目标域中的数据进行聚类，得到每一个数据点的后验概率，用其后验概率的最大值所在的组件作为这一数据点的类标签，从而有效提高目标域 中数据聚类的准确度。

公开(公告)号：CN113688934B

公开(公告)日：2024-06-07

申请号：CN202111026341.2

申请日：2021-09-02

Applicant: 济南大学

Inventor： 周劲 ,  王荣荣 ,  韩士元 ,  王琳 ,  杜韬 ,  纪科 ,  张坤 ,  赵亚欧

IPC: G06F18/23213 ,  G06F17/16 ,  G06F17/18 ,  G06N20/00

Abstract: 本发明公开了一种基于迁移学习分布式期望最大化金融数据聚类方法，用于细分金融领域分布式P2P网络环境下的客户数据。包括：获取待聚类客户金融数据的业务部门并将各部门数据进行集群分布式存储；各个节点分别进行聚类分析，得到初始聚类结果，并基于各个节点上的初始聚类结果进行统计分析，得到迁移学习的初始模型参数集合；根据设定的目标函数，基于当前模型参数集合计算当前模型目标函数值；在邻居节点之间进行模型参数迁移；对于各个节点上的每个数据点进行类别划分。本发明通过在分布式期望最大化算法中引入迁移学习项，能够显示揭示节点间的协作机制，加速算法收敛，同时，提高聚类精度，精准细分金融客户。