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！

龙图腾网获悉合肥工业大学申请的专利一种面向梯形粒度数据加权模糊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：CN116776182B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202310804073.5，技术领域涉及：G06F18/2337；该发明授权一种面向梯形粒度数据加权模糊聚类方法及系统是由唐益明;陈锐;吴玺;黄一帆;孙晓;汪翔;李书杰设计研发完成，并于2023-07-03向国家知识产权局提交的专利申请。

本一种面向梯形粒度数据加权模糊聚类方法及系统在说明书摘要公布了：本发明公开了一种面向梯形粒度数据的加权模糊聚类方法及系统，包括：1选取医疗患者信息数据集的数据代表，并据此构建粒度数据；2计算粒度数据对应的权重；3采用加权模糊聚类算法对粒度数据进行聚类，并结合新的距离度量方式；4计算聚类后的结果对应的重建误差，根据重建误差的拐点对应的聚类中心数目，并结合隶属度矩阵对医疗患者进行预问诊阶段的分组。本发明将PSO粒子群优化算法引入梯形粒度数据的构建过程中，并结合加权模糊聚类算法，从而能够提高预问诊阶段医疗患者分组的准确性和可靠性。

本发明授权一种面向梯形粒度数据加权模糊聚类方法及系统在权利要求书中公布了：1.一种面向梯形粒度数据的加权模糊聚类方法，其特征在于，包括： 步骤1、采集对应医疗患者信息的数据集xk表示第k个医疗患者的信息，N为医疗患者的人数； 步骤2、利用FCM算法获取数据集的M个数据原型V＝{v1,v2,…,vs,…,vM}以及以每个数据原型为中心的集群Ω＝{Ω1,Ω2,…,Ωs,…,ΩM}；其中，vs表示第s个数据原型；Ωs表示以第s个数据原型vs为中心的第s个集群； 步骤3、利用PSO粒子群优化算法构建以第s个数据原型vs及其集群Ωs为基础的第s个最优梯形粒度数据并计算得到的粒度质量s∈[1,M]； 步骤4、采用加权的PFCM算法对所述第s个最优梯形粒度数据进行聚类，得到最优隶属度矩阵U*，最优典型度矩阵T*和最优聚类中心V*； 步骤5、利用式1得到重建后的第s个梯形粒度数据从而得到重建后的梯形粒度数据集合 式1中，m是模糊系数，代表第s个梯形粒度数据隶属于第i个最优聚类中心的程度，且c表示聚类中心的数量； 步骤6：利用式2计算重建误差E： 步骤7：根据重建误差E变化的拐点所对应的聚类中心数目，同时结合聚类结果中的最优隶属度矩阵U*对医疗患者进行分组问诊。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。