[发明专利]无参数的k均值聚类方法在审
| 申请号： | 201810553412.6 | 申请日： | 2018-06-01 |
| 公开（公告）号： | CN108764359A | 公开（公告）日： | 2018-11-06 |
| 发明（设计）人： | 侯涛;刘富;康冰;刘云;李丁园;姜守坤;王柯;苗岩;梁艺馨 | 申请（专利权）人： | 吉林大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 吉林长春新纪元专利代理有限责任公司 22100 | 代理人： | 白冬冬 |
| 地址： | 130012 吉*** | 国省代码： | 吉林;22 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种无参数的k均值聚类方法，属于数据处理技术领域。本发明的目的是为图像、人体生物特征、汽车驾驶员等对象采集到的多分类数据集，提供一种无参数的k均值聚类方法，其适用于对各种多分类大数据集进行分析。本发明的步骤是：计算待分类数据集中各个数据点的密度；计算分类数据集中各个数据点的离散度；筛选初始类中心和聚类数；用传统k‑mean进行聚类分析并输出结果。本发明适用于对汽车驾驶姿态、驾驶行为、驾驶偏好等信息进行分类识别，便于提前预警疲劳驾驶、异常驾驶，做出相应的驾驶决策、保障车辆安全行驶。 | ||
| 搜索关键词： | 驾驶 人体生物特征 数据处理技术 待分类数据 分类数据集 安全行驶 保障车辆 分类识别 分类数据 驾驶行为 聚类分析 疲劳驾驶 汽车驾驶 输出结果 大数据 离散度 聚类 偏好 预警 采集 筛选 图像 分类 汽车 决策 分析 | ||
【主权项】：
1.一种无参数的k均值聚类方法，其特征在于：第一步计算待分类数据集中各个数据点的密度；第二步计算分类数据集中各个数据点的离散度；第三步筛选初始类中心和聚类数；第四步是用传统k‑mean进行聚类分析并输出结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于吉林大学，未经吉林大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810553412.6/，转载请声明来源钻瓜专利网。
