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！

龙图腾网恭喜上海浦东发展银行股份有限公司申请的专利自组织映射的权重粒子群均值聚类方法、装置、设备及存储介质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：CN113850327B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202111128532.X，技术领域涉及：G06F18/23213；该发明授权自组织映射的权重粒子群均值聚类方法、装置、设备及存储介质是由崔国荣设计研发完成，并于2021-09-26向国家知识产权局提交的专利申请。

本自组织映射的权重粒子群均值聚类方法、装置、设备及存储介质在说明书摘要公布了：本发明实施例公开了一种自组织映射的权重粒子群均值聚类方法、装置、设备及存储介质。通过该方法可以实现对原始样本数据进行聚类，首先使用SOM聚类算法对原始样本数据进行粗聚类可以得到K个粗聚类簇和粗聚类中心，由此可以确定聚类簇数和初始聚类中心，然后再基于确定的粗聚类簇和粗聚类中心对原始样本数据进行细聚类以得到目标聚类中心，由于细聚类的初始聚类簇数和聚类中心是确定的，与传统的聚类算法初始值是随机的情况相比，本申请可以提高聚类的准确性和聚类效果，解决传统聚类算法对初始值敏感的问题，且聚类时无需对样本进行标记，可以适用于所有样本的聚类，能够提高对样本的适用性。

本发明授权自组织映射的权重粒子群均值聚类方法、装置、设备及存储介质在权利要求书中公布了：1.一种自组织映射的权重粒子群均值聚类方法，其特征在于，包括：获取原始样本数据，其中，所述原始样本数据为软件画像数据；使用SOM聚类算法对所述原始样本数据进行粗聚类，得到K个粗聚类簇和粗聚类中心；其中，K为自然数；基于所述粗聚类簇和所述粗聚类中心对所述原始样本数据进行细聚类，得到目标聚类中心，其中，细聚类的聚类簇的数量与粗聚类簇的数量相同，细聚类的聚类中心是所述粗聚类中心；其中，所述使用SOM聚类算法对所述原始样本数据进行粗聚类，得到K个粗聚类簇，包括：将所述原始样本数据输入到基于SOM聚类算法的粗聚类模型进行循环迭代处理；当迭代次数达到第一预设迭代次数时，输出达到所述第一预设迭代次数时所述粗聚类模型的各神经元权值；依次计算每个原始样本数据与各神经元权值的內积，形成內积矩阵，并将每个原始样本数据最大內积在內积矩阵中的元素位置作为每个原始样本数据的获胜索引；将相同內积值的获胜索引所对应的原始样本数据进行归类，以得到属于K类的K个所述粗聚类簇；所述基于所述粗聚类簇和所述粗聚类中心对所述原始样本数据进行细聚类，得到目标聚类中心，包括：使用所述原始样本数据初始化多个粒子的位置和速度；根据每个初始化的粒子的位置和速度计算每个粒子的适应度值和粒子种群的适应度值；根据所述每个粒子的适应度值，确定每个粒子的局部最优位置向量，以及根据所述粒子种群的适应度值，确定粒子种群的全局最优位置向量；将所述粗聚类簇和所述粗聚类中心初始化为当前聚类簇和当前聚类中心；按照欧氏距离公式依次计算每个粒子分别到K个当前聚类簇的距离，并按照近邻原则将每个粒子划分到最近的当前聚类簇中；根据聚类中心计算公式更新所述当前聚类中心；根据所述粒子的局部最优位置向量和粒子种群的全局最优位置向量，更新每个粒子的位置和速度，并计算更新位置和速度后的粒子的适应度值和粒子种群的适应度值；返回执行将粒子划分入当前聚类簇的操作，直到迭代到第二预设迭代次数时停止迭代，并将达到所述第二预设迭代次数时的当前聚类中心作为目标聚类中心，其中，所述第二预设迭代次数为粒子的适应度值和粒子所在种群的适应度值最小时的迭代次数。

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上海浦东发展银行股份有限公司，其通讯地址为：200000 上海市黄浦区中山东一路12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”。