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！

龙图腾网获悉昆明理工大学申请的专利一种基于维度迭代分割和轮廓系数聚类的用户细分方法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：CN116992318B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310919382.7，技术领域涉及：G06F18/2321；该发明授权一种基于维度迭代分割和轮廓系数聚类的用户细分方法是由丁家满;王司棋;贾连印;付晓东;姜瑛设计研发完成，并于2023-07-25向国家知识产权局提交的专利申请。

本一种基于维度迭代分割和轮廓系数聚类的用户细分方法在说明书摘要公布了：本发明涉及一种基于维度迭代分割和改进轮廓系数聚类的用户细分方法，属于聚类分析应用技术领域。本发明将用户的各项基础信息作为特征，首先基于特征排序通过核概率密度函数对数据集进行迭代分割，并对分割中产生的异常值进行处理，得到多个结构紧凑的子簇；其次，将每个子簇作为节点，以子簇间质心距离作为边权重构造完全无向图，通过子簇间邻域交互度缩放边权重，使用Dijkstra算法寻找子簇间最短路径生成距离矩阵，并计算子簇密度得到子簇间密度差矩阵；最后，通过一种改进的轮廓系数度量模型的子簇聚集方法，合并得到最终簇结构，并对异常值采用投票机制进行标记完成聚类。本发明有效提高了用户细分结果的准确率。

本发明授权一种基于维度迭代分割和轮廓系数聚类的用户细分方法在权利要求书中公布了：1.一种基于维度迭代分割和改进轮廓系数聚类的用户细分方法，其特征在于： 具体步骤如下： Step1：将用户的每一项数据作为一个特征，将特征排序，按照特征顺序依次通过核概率密度函数对数据集进行迭代分割，并对分割中产生的异常值进行处理，得到多个结构紧凑的子簇； 具体为：输入用户数据集，用户数据集包括用户的喜好、行为特征，表示用户数量，表示数据集特征数量即维度数，则，表示在第维上的数据集，计算每个维度的数据方差按从大到小对维度进行排序，引入高斯核概率密度函数： ； 其中每一维的带宽计算公式如下： ； 其中，数据样本在第v维上的方差，，分别为第一和第三分位数； 将函数中满足如下条件的峰谷作为切割坐标： ； 表示第个谷前峰或后峰的值，当取值为1时代表 前峰，取值为2时代表后峰，为第个谷的值，为第轮切割，默认为10%，为KDE的最大值与最小值的差； 按照切割坐标将数据集分为多个子簇，将得到的结果作为下一次分割的输入，当循环结束后，得到多个子簇，用箱线图对子簇进行处理，将其中远离簇的数据点作为异常点移除，得到结构凝聚的子簇集； Step2：通过Step1得到多个子簇，用子簇在每个维度的平均值表示为簇质心，将子簇作为节点，并将两质心点间的欧式距离作为边的权重，表示子簇的质心在第维上的值，生成完全无向图，引入子簇邻域间交互度更新边权重，取每个子簇的邻域数据，将每两个邻域依次做KNN，其中k取3；子簇邻域间交互度记为，即为两个簇间存在的近邻数，如果，则更新权重为，引入Dijkstra算法得到子簇间最短距离矩阵distance，并计算子簇密度，、分别表示子簇在第维上样本的最小值与最大值，得到子簇间密度差矩阵rho； Step3：选取密度最大的子簇作为代表子簇，放入集合中，将剩余的子簇放入候选集合中，通过Step2得到的距离矩阵和密度差矩阵，定义改进轮廓系数：； ，； 其中，表示子簇与子簇之间的密度差值，表示子簇与子簇之间的距离； 根据改进轮廓系数进行合并，得到最终聚类结果； Step4：将异常值放入聚类结果C中，找寻每个异常值的k近邻，得到其邻居的标签，采用投票机制，即邻居中哪个标签多，就将该异常值标记为哪一类。

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昆明理工大学，其通讯地址为：650031 云南省昆明市一二一大街文昌路68号；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”。

以上内容由龙图腾AI智能生成。