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！

龙图腾网获悉东南大学申请的专利一种基于DBSCAN-GM算法的城镇更新区划定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：CN119938677B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411806865.7，技术领域涉及：G06F16/23；该发明授权一种基于DBSCAN-GM算法的城镇更新区划定方法是由阳建强;余致林;孙丽萍;戴梦垚;陈阳设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本一种基于DBSCAN-GM算法的城镇更新区划定方法在说明书摘要公布了：本发明提出了一种基于DBSCAN‑GM算法的城镇更新区划定方法，包括：利用Gaussian‑Means算法对数据进行初步聚类，确定聚类中心，基于聚类中心计算DBSCAN算法的关键参数EPS和MinPts，再利用DBSCAN‑GM算法执行进一步的聚类分析。本发明不仅简化了参数选择过程，还提高了聚类结果的稳定性和准确性，通过结合DBSCAN和Gaussian‑Means算法的优点，改进了参数选择和聚类稳定性问题，提高了城镇更新区划定的精度和可靠性，从而能够充分利用大数据和智能算法的优势，解决传统方法在数据处理和分析方面的不足，精准合理地划定更新区域。

本发明授权一种基于DBSCAN-GM算法的城镇更新区划定方法在权利要求书中公布了：1.一种基于DBSCAN-GM算法的城镇更新区划定方法，其特征在于，所述方法包括以下步骤： 步骤1、收集目标研究区域的城镇更新相关矢量数据以及民意调查结果，对收集数据进行预处理和标准化，对应地类图斑建构扩展字段，建立城镇更新数据库； 步骤2、对城镇更新数据库内的数据进行特征提取和降维处理，得到综合指标；基于综合指标识别城镇更新对象数据点，并对识别结果进行评估； 步骤3、基于城镇更新对象数据点，运用Gaussian-Means算法对数据点进行聚类分析，自动将数据划分为若干个聚类，并为每个聚类确定一个中心点； 步骤4、计算每个聚类的局部EPS值，并选择所有聚类局部EPS值中的最小值作为全局EPS值，同时基于聚类特性计算MinPts参数，在所有聚类的局部MinPts参数中选择最小值作为全局MinPts参数； 步骤4进一步包括： 步骤4.1、对于每个聚类，计算聚类中心到聚类内所有点的距离的平均值作为聚类的局部EPS值： 其中，rj是第j个聚类的局部EPS值，Nj是第j个聚类中的点数，Mj是第j个聚类的中心点，xij是第j个聚类中的第i个点，distance2Mj,xij是中心点Mj到点xij的欧氏距离； 步骤4.2、在所有聚类的局部EPS值中选择最小值作为全局EPS值： EPSglobal＝minr1,r2,…,rk 其中，EPSglobal是全局EPS值，k是聚类的总数，r1,r2,…,rk是各个聚类的局部EPS值； 步骤4.3、对于每个聚类，计算MinPts参数： 其中，MinPts是第j个聚类的MinPts参数，r是第j个聚类的局部EPS值，N是第j个聚类中的点数，TotalVolume是第j个聚类的总面积； 步骤4.4、在所有聚类的局部MinPts值中选择最小值作为全局MinPts值： MinPtsglobal＝minMinPts,MinPts,…,MinPts 其中，MinPtsglobal是全局MinPts值，MinPts,MinPts,…,MinPts是各个聚类的局部MinPts值； 步骤5、根据全局EPS值和全局MinPts参数，运行DBSCAN算法进行最终的聚类分析，以识别出潜在的城镇更新区域；所述城镇更新区域包括潜在城镇更新重点区域与潜在城镇更新空间单元； 步骤6、区分潜在城镇更新重点区域与潜在城镇更新空间单元，并于潜在城镇更新重点区域内，重复步骤3至步骤5，以识别潜在城镇更新重点区域内的潜在城镇更新空间单元； 步骤7、根据步骤1收集的矢量数据以及民意调查结果，对潜在的城镇更新区域中的潜在城镇更新重点区域与潜在城镇更新空间单元分别进行区域边界修正，形成城镇更新区划定方案。

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东南大学，其通讯地址为：210000 江苏省南京市玄武区四牌楼2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。