公开(公告)号：CN118260479A

公开(公告)日：2024-06-28

申请号：CN202410172580.6

申请日：2024-02-07

Applicant: 重庆邮电大学

Inventor： 李亚 ,  夏书银 ,  程东东 ,  王国胤

IPC: G06F16/9535 ,  G06F16/906 ,  G06F18/2321 ,  G06F18/2135 ,  G06N3/006

Abstract: 本发明为一种基于粒球的快速密度峰值聚类的推荐分析方法，包括数据收集、特征提取、粒球划分、计算粒球的密度及截止距离，并使用密度峰值聚类算法对粒球进行聚类以得到聚类结果，最后生成推荐列表。本发明引入了粒球计算，使用粒球代替原本的数据点进行聚类，降低了密度峰值聚类算法的时间复杂度，从而使运行速度更快，更适合推荐系统的大规模数据集的聚类。并且通过将粒球和密度峰值聚类算法结合，提出通过粒球本身的数据计算其密度的密度公式，使得聚类算法无需设置参数，避免因参数设置不准确而导致的聚类效果不好的情况发生。

公开(公告)号：CN117932374A

公开(公告)日：2024-04-26

申请号：CN202410061598.9

申请日：2024-01-16

Applicant: 重庆邮电大学

Inventor： 王国胤 ,  张城 ,  夏书银 ,  程东东

IPC: G06F18/2321 ,  G06F16/35 ,  G06F40/216 ,  G06F40/30

Abstract: 本发明属于自然语言处理领域，具体涉及一种基于粒球的DBSCAN的词义聚类方法，包括：获取待聚类的文本数据，对文本数据进行词语划分，得到词数据集；根据词数据集生成对应的粒球，并确定各个粒球的密度值；设置阈值，将各个粒球的密度值与设置的阈值进行对比，若小于设置的阈值，则将该粒球划分为非核心粒球，否则为核心粒球；根据核心粒球的密度可达关系对核心粒球进行聚类合并，生成类簇；将非核心粒球分配到对应的类簇中，完成聚类；本发明可以用更简单的参数调节步骤，更小的时间复杂度得到高准确率的聚类结果，为词义聚类相关领域提供更高效和更准确的解决方案。

公开(公告)号：CN118298930A

公开(公告)日：2024-07-05

申请号：CN202410150096.3

申请日：2024-02-02

Applicant: 重庆邮电大学

Inventor： 夏书银 ,  赖雪莹 ,  程东东 ,  王国胤

IPC: G16B40/30 ,  G06F18/23213

Abstract: 本发明公开了一种基于高斯分布粒球的基因聚类分析方法，包括获取基因表达数据，对基因表达数据的预处理，基于KL散度的无监督粒球划分，基于高斯分布粒球的最小生成树聚类，从而得到最终的聚类结果后返回。本发明巧妙地将基于KL散度划分的粒球与最小生成树相结合，相较于以往基于粒球的聚类，可以利用KL散度在粒球具有高斯分布时停止划分，得到更少的粒球个数，为后续结合最小生成树聚类提供了更少的数据点，显著提升了聚类的效果，使得数据分类更为精确。通过与粒球的协同作用，本发明不仅减少了所需的计算数据量，降低了计算的复杂性，而且进一步提高了聚类的精度，有助于更好研究基因的未知功能，具有良好的应用前景。

公开(公告)号：CN118154913A

公开(公告)日：2024-06-07

申请号：CN202410055897.1

申请日：2024-01-15

Applicant: 重庆邮电大学

Inventor： 刘艳 ,  夏书银 ,  程东东 ,  王国胤

IPC: G06V10/762 ,  G06V10/764 ,  G06V10/778

Abstract: 本发明涉及数据挖掘领域，具体涉及一种用于遥感图像分类的粒球最小生成树聚类方法，包括对遥感图像数据进行无监督粒球划分，并对划分结果进行低质量过滤处理得到多个粒球；获取每一个粒球的边缘点组，根据边缘点组计算每两个粒球间的距离；以粒球为顶点，每两个粒球间的距离为边权值，采用Prim算法生成最小生成树；按照边权值大小，将最小生成树中的所有边降序排列得到序列边集合；根据序列边集合进行边删除处理得到聚类结果；本发明不仅能够更有效地处理大规模数据，同时在捕捉不规则形状聚类和过滤噪声对象方面表现更为准确。

公开(公告)号：CN117765263A

公开(公告)日：2024-03-26

申请号：CN202410047400.1

申请日：2024-01-11

Applicant: 重庆邮电大学

Inventor： 杨长志 ,  夏书银 ,  王国胤 ,  程东东

IPC: G06V10/26 ,  G06V10/762 ,  G06V10/74

Abstract: 本发明公开了一种基于超像素和基于粒球改进的图像分割方法，通过SLIC算法，得到超像素分割的结果，经过特征提取，以获得高维特征向量，接着使用基于粒球改进的ISOMAP提取重要特征，最后将这些特征作为DPC聚类算法的输入，得到最终的聚类结果，解决了现有技术没有考虑超像素的高维特征和特征间的非线性关系，从而导致了输出图像不够准确的问题。