买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江西云眼视界科技股份有限公司申请的专利一种基于SOM网络的密度聚类方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120086624B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510578640.9，技术领域涉及：G06F18/2321；该发明授权一种基于SOM网络的密度聚类方法及系统是由彭雄友;唐涛;张磊;朱杰;张志辉设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本一种基于SOM网络的密度聚类方法及系统在说明书摘要公布了：本发明提供了一种基于SOM网络的密度聚类方法及系统，方法包括获取训练特征数据，将所述训练特征数据输入预设SOM网络中进行训练，以得到训练SOM网络；获取特征集合，将所述特征集合输入所述训练SOM网络中，以得到拓扑映射表；对所述特征集合进行密度分级聚类处理，以得到若干聚类簇；基于所述拓扑映射表对若干所述聚类簇进行簇合并，以得到最终聚类簇，本发明可实现高精度聚类，密度分级扩散的机制使簇的扩散更为严格，降低似像非像的特征入簇的概率，从而降低错聚率，同时弥补了传统聚类算法只利用特征相似度这一单一信息的不足，从而有效改善漏聚率。

本发明授权一种基于SOM网络的密度聚类方法及系统在权利要求书中公布了：1.一种基于SOM网络的密度聚类方法，其特征在于，包括： 获取训练特征数据，将所述训练特征数据输入预设SOM网络中进行训练，以得到训练SOM网络； 获取特征集合，将所述特征集合输入所述训练SOM网络中，以得到拓扑映射表； 对所述特征集合进行密度分级聚类处理，以得到若干聚类簇； 基于所述拓扑映射表对若干所述聚类簇进行簇合并，以得到最终聚类簇； 所述将所述特征集合输入所述训练SOM网络中，以得到拓扑映射表的步骤具体为： 将所述特征集合输入所述训练SOM网络中，通过所述训练SOM网络将所述特征集合映射到二维空间，以得到所述特征集合中的每个数据在SOM输出层中的行向索引号、列向索引号，基于所述行向索引号与所述列向索引号确定拓扑映射表，其中，拓扑映射表为： ； 式中，表示特征集合中第个特征数据的行向索引号、列向索引号； 所述对所述特征集合进行密度分级聚类处理，以得到若干聚类簇的步骤包括： 计算所述特征集合中每个特征数据之间的相似度，根据相似度确定每个特征数据的邻域密度，以所述邻域密度最大的特征数据作为基础数据点进行扩散； 若所述特征集合内存在与所述基础数据点之间的相似度不小于相似度阈值的特征数据且相似度不小于相似度阈值的特征数据的数量不小于数量阈值，则新建一个聚类簇并将所述基础数据点存入所述聚类簇内； 以所述基础数据点为中心、预设相似度为半径确定基础数据点的邻域范围，将所述基础数据点的邻域范围内的所有特征数据存入邻域特征集中； 基于所述基础数据点与所述邻域特征集输出若干聚类簇； 其中，所述邻域密度为特征集合内与该数据点之间的相似度不小于相似度阈值的特征数据数量； 所述基于所述拓扑映射表对若干所述聚类簇进行簇合并，以得到最终聚类簇的步骤包括： 基于所述拓扑映射表计算每个所述聚类簇的均值拓扑中心： ；； 式中，表示第个聚类簇中的特征数据数量，、分别表示第个聚类簇中第个特征数据的行向索引号、列向索引号； 计算任意两个所述聚类簇之间的拓扑距离： ； 式中，、分别表示第个聚类簇、第个聚类簇的均值拓扑中心； 若拓扑距离小于预设拓扑距离，则将相应的两个聚类簇进行合并，若拓扑距离不小于预设拓扑距离，则不合并，以得到若干最终聚类簇。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江西云眼视界科技股份有限公司，其通讯地址为：330096 江西省南昌市南昌高新技术产业开发区京东大道1189号创新工场科创孵化大楼5楼北区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。