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！

龙图腾网获悉吉林大学申请的专利一种基于去冗余和密度约束的模糊均值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：CN117251756B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202310934749.2，技术领域涉及：G06F18/2337；该发明授权一种基于去冗余和密度约束的模糊均值聚类方法及系统是由李熙铭;张丙杰;李长春;王一鸣;王兵;杨智尧设计研发完成，并于2023-07-27向国家知识产权局提交的专利申请。

本一种基于去冗余和密度约束的模糊均值聚类方法及系统在说明书摘要公布了：本发明提供一种基于去冗余和密度约束的模糊均值聚类方法及系统，涉及机器学习技术领域，包括：基于传统PCA降维原理，构建去冗余算法PCAW算法；通过PCAW算法去除冗余；对去除冗余后的数据，计算出每个数据点的密度；将每个数据点中关于所有簇的隶属度之和由1改为数据点的密度值函数，根据初始化聚类中心更新隶属度；基于更新后的隶属度，对聚类中心进行更新，判断更新后的聚类中心函数是否满足收敛条件，若不满足，则依次对隶属度和聚类中心进行更新。若满足则完成聚类。针对冗余特征、噪声点和异常值造成模糊聚类算法性能下降问题，提出PCAW去冗余方法和密度约束，去除冗余特征并抑制噪声点和离群点在更新聚类中心时的作用，从而提高聚类精度。

本发明授权一种基于去冗余和密度约束的模糊均值聚类方法及系统在权利要求书中公布了：1.一种基于去冗余和密度约束的模糊均值聚类方法，应用于图像分类，其特征在于，方法步骤包括： S1、输入预设图像数据集X；获取系统数据；所述系统数据包括：降维维数m，簇数c，初始隶属度矩阵U，初始聚类中心矩阵V，初始投影矩阵P； S2、基于传统PCA降维原理，构建去冗余算法PCAW算法；通过所述PCAW算法去除冗余； S3、对去除冗余后的数据计算出每个数据点的密度； S4、将所述每个数据点中关于所有簇的隶属度之和由1改为所述数据点的密度值函数，更新隶属度； S5、基于更新后的隶属度，对聚类中心进行更新，判断更新后的聚类中心函数是否满足收敛条件，若不满足，则重新对隶属度和聚类中心进行更新；若满足则完成基于去冗余和密度约束的模糊均值聚类； 其中，所述步骤S2中，基于传统PCA降维原理，构建去冗余算法PCAW算法；通过所述PCAW算法去除冗余，包括： 基于PCA降维原理，得到如下述公式1的PCA目标函数： 其中，n为数据个数；X为数据集矩阵；xii∈1,…n代表X的第i列，即第i个数据点；P为投影矩阵；trB表示矩阵B的迹；I表示单位矩阵；1＝[1,1，…1]T，表示元素全部为1的向量； 基于所述PCA目标函数，构建如下述公式2去冗余算法PCAW算法： 其中，用于保持数据间的邻域结构属性；W是亲和矩阵，Wij表示数据点i和数据点j之间的关系，W可通过LLE求得； 通过所述PCAW算法对数据进行处理，减少数据冗余特征； 其中，所述步骤S3中，对去除冗余后的数据进行降维计算，计算出每个数据点的密度，包括： 获取去除冗余后的数据； 针对所述去除冗余后的数据中不同的数据集选择不同的距离de，其中，选定的距离de需要使每个数据点的平均邻居个数为数据点总数的1％～2％； 根据下述公式3对所述数据点i的密度进行计算： 其中，pi表示数据点i的密度，Ωk表示数据点i的邻居个数，dik表示为数据点i和数据点k之间的欧氏距离。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。