-
-
公开(公告)号：CN110197216A
公开(公告)日：2019-09-03
申请号：CN201910431765.3
申请日：2019-05-23
Applicant: 辽宁大学
IPC: G06K9/62
Abstract: 本发明涉及一种自适应区间的不完整数据加权聚类方法，步骤如下：(1)确定最近邻样本；(2)自适应区间化填补缺失数据；(3)提出自适应区间型数据加权模糊C均值聚类；(4)利用步骤(3)中聚类方法对步骤(2)中得到的区间型数据集进行聚类，得到聚类结果，与四种经典方法和四种近几年相关学者提出的方法进行实验结果对比，以此验证本发明的有效性。利用UCI数据库中的生物数据集鸢尾花Iris、医疗数据集乳腺癌症Breast和医学数据集成年人肝病Bpua，在四种缺失率的情况下与四种经典方法和四种近几年相关学者提出的方法进行实验，证明本发明方法有更高的聚类准确率。
-
公开(公告)号：CN109034231A
公开(公告)日：2018-12-18
申请号：CN201810785729.2
申请日：2018-07-17
Applicant: 辽宁大学
CPC classification number: G06K9/6223 , G06K9/6256 , G06N3/0445 , G06N7/02
Abstract: 本发明涉及一种信息反馈RBF网络估值的不完整数据模糊聚类方法，步骤如下：1)提出信息反馈RBF网络模型；2)，提出一种信息反馈RBF数值型估值的不完整数据模糊聚类方法(IFRBF‑FCM)；3)利用最近邻规则为不完整数据样本选取相应的训练样本集，利用最近邻训练样本集为每个缺失属性训练IFRBF网络，从而实现对不完整数据样本中缺失属性的估值预测，得到IFRBF网络估值恢复后的完整数据集；4)对不完整数据属性的估值区间进行确定，提出了一种IFRBF区间型估值的不完整数据模糊聚类方法(IFRBF‑IFCM)，得到模糊聚类结果。本发明采用IFRBF网络对不完整数据集进行估值得到的恢复完整的数据集的聚类结果与对比方法相比提高了准确率，比数值型估值的聚类结果更准确，鲁棒性也更好。
-
公开(公告)号：CN111626361B
公开(公告)日：2023-08-11
申请号：CN202010466928.4
申请日：2020-05-28
Applicant: 辽宁大学
IPC: G06F18/2415 , G06N3/082 , G06F18/10
Abstract: 一种改进胶囊网络优化分层卷积的轴承亚健康识别方法，首先提出多输入分层的CNN，将数据输入到三个并行的不同大小的卷积核中处理，多角度的提取信号中的亚健康信息。然后将卷积后的结果输入到改进的胶囊网络进行亚健康识别，改进的胶囊网络采用修剪机制，根据阈值修剪耦合系数，同时使用参数修正的动态路由更新方法，确保动态路由的更新过程更加准确、稳定。最后得到实测的轴承数据。通过本发明方法能正确识别轴承数据的状态。
-
公开(公告)号：CN107729943B
公开(公告)日：2021-11-30
申请号：CN201710992778.9
申请日：2017-10-23
Applicant: 辽宁大学
IPC: G06K9/62
Abstract: 本发明涉及信息反馈极限学习机优化估值的缺失数据模糊聚类算法及其应用，基本步骤如下：1)采用互信息计算并选择相关度较高的数据属性，依据这些属性选择不完备数据中的完备数据作为FELM网络的训练样本；2)初始化FELM网络的输入权值ω以及偏置值b；3)根据最近邻规则对缺失属性进行预填充，并根据训练样本训练FELM网络得到的误差对预填充值进行调整直至找到合理的数值进行填补，进而得到恢复后的完整数据集；4)初始化模糊C均值算法的参数，聚类数目c，模糊系数m，阈值ε及隶属度划分矩阵U（0）；5)通过迭代优化模糊C均值算法的隶属度划分矩阵U和聚类中心V得到最终的聚类结果。运用本方法能够充分利用数据样本及属性之间的关联性和完整数据样本及不完备数据样本的分布信息来得到更加合理的属性估值，从而使不完备数据集的聚类结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN111626361A
公开(公告)日：2020-09-04
申请号：CN202010466928.4
申请日：2020-05-28
Applicant: 辽宁大学
Abstract: 一种改进胶囊网络优化分层卷积的轴承亚健康识别方法，首先提出多输入分层的CNN，将数据输入到三个并行的不同大小的卷积核中处理，多角度的提取信号中的亚健康信息。然后将卷积后的结果输入到改进的胶囊网络进行亚健康识别，改进的胶囊网络采用修剪机制，根据阈值修剪耦合系数，同时使用参数修正的动态路由更新方法，确保动态路由的更新过程更加准确、稳定。最后得到实测的轴承数据。通过本发明方法能正确识别轴承数据的状态。
-
公开(公告)号：CN107766887A
公开(公告)日：2018-03-06
申请号：CN201710993558.8
申请日：2017-10-23
Applicant: 辽宁大学
CPC classification number: G06K9/6223 , G06N3/126
Abstract: 本发明涉及一种局部加权的不完整数据混杂聚类方法，其步骤如下：（1）收集数据；（2）数据处理：随机使部分数据缺少部分属性，变成不完整数据；（3）数据估算：利用改进的遗传算法中的个体对缺失数据进行估算；（4）聚类分析：对估算的数据进行模糊聚类分析；本发明提出了一种改进的遗传算法优化局部加权的不完整数据混杂聚类算法（GLW-FCM），达到搜索全部问题空间找到最优解的目的。使用UCI标准测试数据集包括：Iris、Bupa、Wine和Breast。将本文所提出的算法与其他五种算法在Matlab环境下做对比实验分析，改进后的算法在整个问题空间隐含了并行性进行搜索最佳解，获得了更加理想的聚类结果。有效降低了平均误分数、平均错误分类标准差和平均迭代终止次数。
-
公开(公告)号：CN107729943A
公开(公告)日：2018-02-23
申请号：CN201710992778.9
申请日：2017-10-23
Applicant: 辽宁大学
IPC: G06K9/62
CPC classification number: G06K9/6226 , G06K9/6256 , G06K9/6277
Abstract: 本发明涉及信息反馈极限学习机优化估值的缺失数据模糊聚类算法及其应用，基本步骤如下：1)采用互信息计算并选择相关度较高的数据属性，依据这些属性选择不完备数据中的完备数据作为FELM网络的训练样本；2)初始化FELM网络的输入权值ω以及偏置值b；3)根据最近邻规则对缺失属性进行预填充，并根据训练样本训练FELM网络得到的误差对预填充值进行调整直至找到合理的数值进行填补，进而得到恢复后的完整数据集；4)初始化模糊C均值算法的参数，聚类数目c，模糊系数m，阈值ε及隶属度划分矩阵U（0）；5)通过迭代优化模糊C均值算法的隶属度划分矩阵U和聚类中心V得到最终的聚类结果。运用本方法能够充分利用数据样本及属性之间的关联性和完整数据样本及不完备数据样本的分布信息来得到更加合理的属性估值，从而使不完备数据集的聚类结果更加准确。
-
公开(公告)号：CN117118736A
公开(公告)日：2023-11-24
申请号：CN202311213632.1
申请日：2023-09-20
Applicant: 辽宁大学
Abstract: 一种面向隐私保护的NDN文件共享系统的隐私保护的方法，针对NDN路由缓存可能造成隐私泄露的问题，采用在路由器中增加随机延迟的方法尽量避免隐私探测的情况发生，避免恶意用户探测缓存数据造成隐私泄露，同时在服务器收集用户下载信息，个人信息，用户下载偏好信息等，引入了基于差分隐私噪声添加的随机决策树隐私保护方法。用户信息经过噪声添加处理在传递给服务器，既能在用户传输的过程中进行保护，同时也能确保用户数据存储在服务器中的安全性。
-
公开(公告)号：CN109299727A
公开(公告)日：2019-02-01
申请号：CN201810880925.8
申请日：2018-08-04
Applicant: 辽宁大学
IPC: G06K9/62
Abstract: 一种信息重构的改进极限学习机故障诊断方法，其步骤如下：1)采集信号；2)信号处理；3)特征提取；4)故障诊断划分；本发明基于排列熵(PE)思想，提出加权排列熵(WPE)思想，通过对普通排列熵的熵值特征加权，将特征信息变得更敏感，能够很好的呈现特征信息的变化，为特征选择提供了基础。此外，提出了一种基于Filter-Wrapper(过滤-包裹)法对特征进行有效甄别，通过不断调整网络的输出权重来达到误差最小化，使极限学习机输出结果的误差达到最小,并与传统极限学习机进行结果对比，以此验证本发明的有效性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.022 seconds)
