首页> 中国专利> 一种基于卡尔曼滤波的改进PCNN模型空间聚类分析方法

一种基于卡尔曼滤波的改进PCNN模型空间聚类分析方法

摘要

本发明公开了一种基于卡尔曼滤波的改进PCNN模型空间聚类分析方法,其包括首先将PCNN神经元与空间数据点进行一对多映射,通过神经元的密度信息获取最高密度初始点火神经元,并给定一个神经元点火的初始阈值,并生成自动波,以检测空间数据集中的集群;再使用卡尔曼滤波器的自适应阈值调整方法,用于PCNN自动发现具有不同密度的任意形状的簇,直至自动波不能再传递之后,一次点火过程结束,点火的所有神经元被视为一个簇且在后续的迭代中不能再次点火;不断迭代点火过程,直到网络中所有神经元都点火。本发明可对神经元进行阈值的自适应调整,使神经元可以自动发现不同密度的任意形状的簇,具有突出的执行速度;并克服了可能模糊数据自然分解的噪声。

著录项

  • 公开/公告号CN115130589A

    专利类型发明专利

  • 公开/公告日2022-09-30

    原文格式PDF

  • 申请/专利权人 四川大学;

    申请/专利号CN202210769371.0

  • 申请日2022-07-01

  • 分类号G06K9/62;G06N3/04;G06F16/2458;

  • 代理机构北京正华智诚专利代理事务所(普通合伙);

  • 代理人陈航

  • 地址 610065 四川省成都市一环路南一段24号

  • 入库时间 2023-06-19 17:01:21

法律信息

  • 法律状态公告日

    法律状态信息

    法律状态

  • 2022-09-30

    公开

    发明专利申请公布

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号