公开(公告)号：CN114626451A

公开(公告)日：2022-06-14

申请号：CN202210227779.5

申请日：2022-03-08

Applicant: 哈尔滨理工大学

Inventor： 弋琨 ,  万静 ,  赫斌

IPC: G06K9/62

Abstract: 本发明是公开了一种基于密度的数据预处理优化方法，首先计算样本对象的欧氏距离与平均距离，然后进行粗聚类；利用密度权重找出聚类的中心点，将中心点为中心，平均距离为半径里的所有数据对象归为一类，得到聚类数目；最后，将预处理后得到的聚类中心点与聚类数目利用K‑medoids算法进行细聚类，得到最终的聚类结果。本发明旨在解决数据聚类结果受其初始化的聚类中心影响较大、不能得到最优解的问题，在聚类方法基础上加入数据预处理过程，保证了初始聚类中心的稳定，通过密度作为启发信息，选取密度权重大的作为中心点，避免聚类数目的随机选取，显著提高了聚类的效果，缩短了聚类过程所消耗的时间。

公开(公告)号：CN114662604A

公开(公告)日：2022-06-24

申请号：CN202210317433.4

申请日：2022-03-29

Applicant: 哈尔滨理工大学

Inventor： 张兴宾 ,  何云斌 ,  弋琨

IPC: G06K9/62

Abstract: 本发明涉及一种基于密度峰的聚类中心选择方法。本发明首先计算每个数据点的密度，定义变量γ视为衡量聚类中心的指标，因为γ值较大的点很可能是聚类中心，所以将γ的值在排序图上进行降序排序；然后定义拐点，拐点是排序图中前后整体差异较大的点，通过排序图中的拐点对潜在聚类中心进行选取，将潜在聚类中心存入到集合中；然后在潜在聚类中心集合中选择密度最大的点加入到实际聚类中心集合中，计算每个数据点与其之间的距离，进一步确定每个数据点是新的实际聚类中心还是簇成员，对实际聚类中心集合进行筛选，直到实际聚类中心集合为空。

公开(公告)号：CN113513771A

公开(公告)日：2021-10-19

申请号：CN202110883904.3

申请日：2021-08-03

Applicant: 哈尔滨理工大学

Inventor： 弋琨 ,  万静 ,  葛惠杰

IPC: F24C15/20

Abstract: 本发明是一种节能全自动智能吸油烟机，主要包括机架、吸烟板和排风箱，机架由固定板构成，吸烟板的前侧设有凹槽，凹槽内设有两个第一吸烟口，第一吸烟口外侧设有过滤架，两个第一吸烟口中间设置有气敏传感器，吸烟板的上侧设有第二吸烟口和保护门，第二吸烟口处同样设有过滤网，第二吸烟口的两边设置有气敏传感器和热敏传感器装置，设置的气敏感应器与热敏感应器相结合，采集油烟信号，通过感应油烟浓度，调节风量大小，让吸油烟机自动处理油烟，使吸油烟机的抽油烟效果更佳。本发明实现了全自动调节吸油烟机的转速，满足不同使用情况，设置的多个吸烟口扩大吸烟范围，加快吸烟速度，提高吸烟的效率，加强吸油烟机的工作性能。

公开(公告)号：CN114861760A

公开(公告)日：2022-08-05

申请号：CN202210355459.8

申请日：2022-04-04

Applicant: 哈尔滨理工大学

Inventor： 田新雨 ,  杨晓秋 ,  弋琨

IPC: G06K9/62

Abstract: 本发明涉及一种基于密度峰值的聚类算法改进研究，属于聚类算法之一，聚类属于无监督分类，目的是将数据划分为不同簇。密度峰值聚类算法根据决策图确定聚类中心并检测非球形聚类，而无需指定聚类数。本发明旨在解决传统DPC聚类算法中存在的问题，传统的DPC算法对数据进行处理，计算局部密度和最小距离，通过局部密度和最小距离构造决策图，人工选取局部密度和最小距离都较大的点作为聚类中心点，导致聚类的准确度不高，因此针对密度峰值聚类算法不能自适应选取阈值，分配剩余点容易产生多米诺骨牌效应等问题，引入了DTW算法并且设计自适应阈值，对DPC聚类算法进行改进，从而改善了DPC聚类算法中存在的不足，提高了聚类的精确度。

公开(公告)号：CN114662019A

公开(公告)日：2022-06-24

申请号：CN202210316758.0

申请日：2022-03-29

Applicant: 哈尔滨理工大学

Inventor： 弋琨 ,  万静 ,  张兴宾

IPC: G06F16/9537 ,  G06F16/9536 ,  G06F40/216 ,  G06K9/62 ,  G06Q50/00

Abstract: 本发明是公开了一种一种多因素影响的兴趣点推荐方法，首先从用户签到相似度，好友相似度，类别偏好相似度三个角度综合考虑计算用户间相似度；其次将得到的三个相似度结合到一起求出用户相似度矩阵，并规范拉普拉斯矩阵；然后将特征向量组成新的特征空间进行聚类运算，最后融合四种因素的总评分来推荐用户兴趣点。本发明旨在解决推荐过程中计算量大、推荐效率低的问题，在应对不同用户时，计算用户对不同用户的偏好值，提高推荐效果。