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IDPC算法的产业链数据特征重构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：CN116881702B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310900710.9，技术领域涉及：G06F18/213；该发明授权一种基于IDPC算法的产业链数据特征重构方法是由蒋嶷川;孙天琪;陈福林;狄凯设计研发完成，并于2023-07-21向国家知识产权局提交的专利申请。

本一种基于IDPC算法的产业链数据特征重构方法在说明书摘要公布了：本发明提出了一种基于IDPC算法的产业链数据特征重构方法，旨在加强数据特征与产业链风险之间的关联度、提高数据特征在产业链风险预测中的效用。该方法主要通过行为聚类和类别规约两个步骤来实现特征重构。行为聚类将采集到的企业数据转换成具有生产行为类别的数据，从可解释性的角度提高了数据与风险之间的关联度，更准确地描述和理解企业的生产行为，为风险分析提供可靠基础。类别规约从数据的有效性角度出发，将生产行为类别数据规约到带入生产行为偏好的特征空间中，实现数据约简。数据规约有益于发现不同生产行为之间的差异和特征，进一步提高数据在风险预测中的效用。基于生产行为偏好的特征空间的规约使得决策者更精确地评估和管理企业自身以及企业之间的风险。

本发明授权一种基于IDPC算法的产业链数据特征重构方法在权利要求书中公布了：1.一种基于IDPC算法的产业链数据特征重构方法，其特征是，将原始数据映射到具有生产行为偏好的特征空间中，该方法包含聚类和规约两个步骤；首先对DPC算法进行改进，提出一种IDPC算法，自适应选取聚类中心；经过聚类，企业的每条生产数据都会出现在某个类别中，每个类别代表了一种生产偏好，然后对这些类别的数据进行规约；根据相同生产行为的数据分布情况趋同，不同生产行为的数据分布相差很大，以类别为新的特征，通过统计每类生产行为的数据个数，将原始数据映射到具有生产行为偏好的特征空间中； 选取聚类中心的算法如下：对于给定的数据集，计算数据集中任意两条数据的欧式距离dij，并计算dij中最大的距离dmax，并得出距离阈值dc，具体计算公式为dc＝0.2*dmax；通过计算数据集中任意两条数据之间的欧式距离，获得一个距离矩阵；该距离矩阵作为行为聚类算法的输入，用于度量数据点之间的相似性或差异性，从而进行聚类分析和群组划分；基于距离矩阵，聚类算法将具有相似特征的数据点归为同一类别或群组，从而实现对数据的聚类操作；然后，计算所有数据点的局部密度ρ；通过计算局部密度，发现数据点所在区域的数据密度是否较高，从而揭示数据的聚集模式和群组结构；高密度区域代表着数据点的聚集，对应特定的类别或簇群；此外，通过计算局部密度，能识别具有高局部密度的数据点；密度峰值点表示其周围有较高的数据密度，作为聚类的中心或重要数据点；准确识别密度峰值点有助于划分数据点的聚类簇群，进一步揭示数据的内在结构和相似性；计算公式如下所示： 计算相对距离δ；数据点vi的相对距离δi是指，该点与其他局部密度更大的数据点的最小距离，或者如果数据点vi是数据集中局部密度最大的数据点，则δi是指与其他所有数据点的最大距离；计算公式如下所示： 相对距离是利用两条生产行为数据间的差异，度量不同数据分类间的差异，从而寻找分类的中心点；依据之前的计算选取局部密度较大并且距离较大的数据点作为各个交易行为类别的中心点；为了避免某条数据的相对距离大而局部密度小带来的干扰，根据公式γi＝ρi*δi设置一个辅助参数γ；将γ进行归一化处理，归一化之后得到γ’i，然后再将γ’i降序排列，记为γ’i，其中归一化的计算公式如下所示： 通过γ”i确定聚类中心点，按照如下公式定义辅助参数的一阶差分： 按照如下公式定义辅助参数的二阶差分： 依据上述定义，我们发现聚类中心需满足以下条件： 非中心点和中心点的γ”i值存在跳跃情况，即中心点的γ'i值明显大于非中心点，并且中心点的γ'i值变化非常杂乱，非中心点的γ'i值接近线性变化；记最后一个聚类中心点是d’i，第一个非中心点是d’i+1，则聚类中心点d’i到非中心点d’i+1是最后一处一阶差分变化明显的地方，即α＜-1，后续一阶差分近乎不变，即α＞-1；反应在二阶差分的折线图中，v'i是最后一处变化明显的地方，即β＞1，后续二阶差分近乎不变，即β＜1； 针对产业链数据聚类之后的数据规约方法具体步骤包含：聚类簇划分、数据汇总与标签统计、标签结果赋予企业和特征数据替换和重构步骤；依据统计结果，将行为标签的统计结果有序地赋予企业；将每个行为标签及其对应的出现次数与企业关联起来，并按照一定的顺序进行记录和组织；通过这种方式，企业能够获得与其相关的行为标签信息，为后续的特征重构和数据分析提供基础；通过替换企业原始的特征数据，生成新的具有生产行为偏好的特征数据；将企业原始的特征数据替换为基于行为标签统计结果生成的新特征数据；新的特征数据能够更好地反映企业的生产行为偏好，提供更准确和有价值的信息用于进一步的数据分析和风险预测。

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：210096 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。