CN107025463A - 基于合并分组算法的寝室分组装置及方法 - Google Patents
基于合并分组算法的寝室分组装置及方法 Download PDFInfo
- Publication number
- CN107025463A CN107025463A CN201710230506.5A CN201710230506A CN107025463A CN 107025463 A CN107025463 A CN 107025463A CN 201710230506 A CN201710230506 A CN 201710230506A CN 107025463 A CN107025463 A CN 107025463A
- Authority
- CN
- China
- Prior art keywords
- bedroom
- student
- characteristic item
- similarity
- item
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了基于合并分组算法的寝室分组装置及方法,该方法通过采集模块采集学生最关注的若干个点作为特征项;然后通过两两比较法计算出每一个特征项相应的权重,通过特征值和权重计算出学生间的相似度数值,通过合并分组法循环迭代为学生分配寝室;对合并分组过程中产生的超编寝室,通过计算寝室内同学间的相似度,保留最相似的几个,多余的分离出继续参与合并分组循环迭代。本发明根据学生的相似度智能化的分配寝室有助于营造和谐的寝室氛围。
Description
技术领域
本发明属于智能化的寝室分组领域,具体涉及一种基于合并分组算法的寝室分组方法。
背景技术
对于需要长期住校的学生来说,开学伊始,就会面临如何分配寝室的问题,现目前,学校基本上都是人为的随机的进行寝室分配的,这种分配寝室的方式存在的问题的是:1、人力成本高,且分配效率低;2、无法根据每个学生的兴趣爱好以及生活习惯等,即根据学生的相似度进行合理分配,不利于后续营造和谐良好的寝室氛围。虽然现在有出现根据一些简单的分组规则进行随机分组的智能分组方式,解决了上述的第1个问题,但是仍无法根据学生的相似度进行个性化的合理的分组。
发明内容
本发明的一个目的是提供一种基于合并分组算法的寝室分组装置,以提高寝室分配效率,降低人工分配的成本,同时根据学生的相似度智能化的分配寝室,有助于营造和谐的寝室氛围。
基于合并分组算法的寝室分组装置,包括采集模块,所述采集模块用于采集每个学生在寝室分配上关注的若干个点,作为特征项;
特征项权重计算模块,通过两两比较法计算每个特征项的权重;
学生相似度计算模块,通过特征项和各个特征项权重计算出学生间的相似度;
寝室分组模块,通过合并分组算法循环迭代为学生分配寝室。
进一步,所述寝室分组模块,还用于在寝室分组过程中产生的寝室超编,通过计算寝室内学生的相似度,保留相似度高的几个学生,将相似度低的学生分离出来继续参与寝室的分配。
进一步,在特征项权重计算模块中,所述的两两比较法是指:将一个用于比较的特征项与另一个用于被比较的特征项进行比较,若两个特征项同等重要,则两个特征项均取相同的数值,若用于比较的特征项比用于被比较的特征项略微重要,则用于比较的特征项比用于被比较的特征项数值要高,若用于比较的特征项比用于被比较的特征项重要得多,则用于比较的特征项比用于被比较的特征项数值进一步提高,对每个特征项分别进行两两比较后所赋予的数值求和,针对各个特征项的求和进行归一化处理,得到各个特征项的权重值。
进一步,在学生相似度计算模块中,计算学生相似度的方式是:每个学生作为一个n维的向量,每个特征项的权重是向量的一个维度,通过欧氏距离计算出的两个向量间的距离,即用于评价学生间的相似度。
进一步,寝室分组模块中,先把每个学生单独分一个寝室,放入一个待分组队列Ungrouped,遍历Ungrouped,找到相似度最高的两个寝室m、n,合并为一个新寝室并加入Ungrouped,移除m、n,重复上述步骤,直到寝室人满为止。
本发明的另一目的是提供一种基于合并分组算法的寝室分组方法,包括以下内容:1)特征项的采集步骤:通过采集模块采集每个学生在寝室分配上关注的若干个点,作为特征项;
2)特征项权重的计算步骤:采用两两比较法计算每个特征项的权重;
3)学生相似度的计算步骤:通过特征项和各个特征项权重计算出学生间的相似度;
4)寝室分组的步骤:通过合并分组算法循环迭代为学生分配寝室。
进一步,还包括5)寝室超编的处理步骤,当寝室超编时,通过计算寝室内学生的相似度,保留相似度高的几个学生,将相似度低的学生分离出来继续参与寝室的分配。
进一步,在2)特征项权重的计算步骤中,所述的两两比较法是指:将一个用于比较的特征项与另一个用于被比较的特征项进行比较,若两个特征项同等重要,则两个特征项均取相同的数值,若用于比较的特征项比用于被比较的特征项略微重要,则用于比较的特征项比用于被比较的特征项数值要高,若用于比较的特征项比用于被比较的特征项重要得多,则用于比较的特征项比用于被比较的特征项数值进一步提高,对每个特征项分别进行两两比较后所赋予的数值求和,针对各个特征项的求和进行归一化处理,得到各个特征项的权重值。
进一步,在3)学生相似度的计算步骤中,计算学生相似度的方式是:每个学生作为一个n维的向量,每个特征项的权重是向量的一个维度,通过欧氏距离计算出的两个向量间的距离,即用于评价学生间的相似度。
进一步,在4)寝室分组的步骤中,先把每个学生单独分一个寝室,放入一个待分组队列Ungrouped,遍历Ungrouped,找到相似度最高的两个寝室m、n,合并为一个新寝室并加入Ungrouped,移除m、n,重复上述步骤,直到寝室人满为止。
本发明的有益效果在于:通过本发明提供的智能分配寝室的方案,不仅提高了寝室分配的效率,降低了人工分配的成本,且根据学生的相似度,个性化的合理的针对每个学生进行寝室的分配,使更多有相同兴趣爱好和/或生活习惯的学生能分配在一起,有利于后面营造良好的和谐的寝室氛围,更加人性化。
附图说明
图1为本发明基于合并分组算法的寝室分组方法实施例的流程示意图。
具体实施方式
下面通过具体实施方式对本发明作进一步详细的说明:
如图1所示,本实施例中所述的基于合并分组算法的寝室分组方法,包括以下内容:1)特征项的采集步骤:通过采集模块采集每个学生在寝室分配上关注的若干个点,作为特征项,本实施例优选的特征项包括但不限于兴趣爱好、作息时间、年龄、家乡、成绩;
2)特征项权重的计算步骤:采用两两比较法计算每个特征项的权重;两两比较法是指:将一个用于比较的特征项与另一个用于被比较的特征项进行比较,若两个特征项同等重要,则两个特征项均取相同的数值,若用于比较的特征项比用于被比较的特征项略微重要,则用于比较的特征项比用于被比较的特征项数值要高,若用于比较的特征项比用于被比较的特征项重要得多,则用于比较的特征项比用于被比较的特征项数值进一步提高,对每个特征项分别进行两两比较后所赋予的数值求和,针对各个特征项的求和进行归一化处理,得到各个特征项的权重值。
3)学生相似度的计算步骤:通过特征项和各个特征项权重计算出学生间的相似度;计算学生相似度的方式是:每个学生作为一个n维的向量,每个特征项的权重是向量的一个维度,通过欧氏距离计算出的两个向量间的距离,即用于评价学生间的相似度。
4)寝室分组的步骤:通过合并分组算法循环迭代为学生分配寝室;先把每个学生单独分一个寝室,放入一个待分组队列Ungrouped,遍历Ungrouped,找到相似度最高的两个寝室m、n,合并为一个新寝室并加入Ungrouped,移除m、n,重复上述步骤,直到寝室人满为止。
5)寝室超编的处理步骤,当寝室超编时,通过计算寝室内学生的相似度,保留相似度高的几个学生,将相似度低的学生分离出来继续参与寝室的分配;
6)分组结束后将寝室的分组信息推送给学生,并根据学生的反馈情况,局部调整寝室分组。这一步主要对有特殊情况的考生进行调整。
本实施例基于合并分组算法的寝室分组方法更为具体的实例如下:
1)通过采集模块采集每个学生在寝室分配上关注的五个点,作为特征项A、B、C、D、E。
2)采用两两比较法,确定每个特征项权重:
两两比较法:将所选的特征项两两比较,比较结果分为“同等重要”、“略微重要”、“重要得多”三个等级。
特征项A与B比较计作A/B;当A与B同等重要时,A计为2,B也计为2,比较结果记作2/2;当A比B略微重要时,A记为3,B记为1,比较结果记作3/1;当A比B重要得多时,A记为4,B记为0,比较结果记作4/0;B与A进行比较结果记作B/A,当B与A同等重要时,B计为2,A也计为2,比较结果记作2/2,当B比A略微重要时,B记为3,A记为1,比较结果记作3/1;当B比A重要得多时,B记为4,A记为0,比较结果记作4/0,其他特征项的两两比较同上,对于五个特征项两两比较的结果如下表所示:
对每一行的分子求和,求和后做归一化处理得到A、B、C、D、E五个特征项的权重分别为0.375,0.325,0.125,0.125,0.05。
3)学生相似度计算
把每个学生看作一个n维的向量,每个特征项是向量的一个维度,相似度就是两个向量间的距离,这样可以通过欧氏距离计算。
两个n维向量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的欧氏距离计算公式,其中a为权重:
4)寝室分组
分组合并算法:首先把每个学生单独分寝室放入一个待分组队列Ungrouped
①遍历Ungrouped,找到相似度最高的两个寝室m、n,合并为一个新的寝室g加入Ungrouped,移除m、n;
②重复②,直到有满人的寝室出现(最大容纳k人);
③检查满人的寝室g,如果人数刚好,则把g移出Ungrouped,移入已分组队列Grouped;如果人数超过了k,保留相似度最接近的k人,把多余人再单独分寝,添加到Ungrouped继续参与计算;
④重复步骤②③④,直到所有的学生分寝完毕。
说明:度寝室间的相似度,如果每个寝室只有一人,寝室间的相似度就是学生间的相似度,如果寝室有多人,需要先求这个寝室的重心,寝室间相似度就是两个寝室重心间的距离。
本实施例还公开了基于合并分组算法的寝室分组装置,包括采集模块,所述采集模块用于采集每个学生在寝室分配上关注的若干个点,作为特征项;
特征项权重计算模块,通过两两比较法计算每个特征项的权重;所述的两两比较法是指:将一个用于比较的特征项与另一个用于被比较的特征项进行比较,若两个特征项同等重要,则两个特征项均取相同的数值,若用于比较的特征项比用于被比较的特征项略微重要,则用于比较的特征项比用于被比较的特征项数值要高,若用于比较的特征项比用于被比较的特征项重要得多,则用于比较的特征项比用于被比较的特征项数值进一步提高,对每个特征项分别进行两两比较后所赋予的数值求和,针对各个特征项的求和进行归一化处理,得到各个特征项的权重值。
学生相似度计算模块,通过特征项和各个特征项权重计算出学生间的相似度;计算学生相似度的方式是:每个学生作为一个n维的向量,每个特征项的权重是向量的一个维度,通过欧氏距离计算出的两个向量间的距离,即用于评价学生间的相似度。
寝室分组模块,通过合并分组算法循环迭代为学生分配寝室,先把每个学生单独分一个寝室,放入一个待分组队列Ungrouped,遍历Ungrouped,找到相似度最高的两个寝室m、n,合并为一个新寝室并加入Ungrouped,移除m、n,重复上述步骤,直到寝室人满为,对于在寝室分组过程中产生的寝室超编,通过计算寝室内学生的相似度,保留相似度高的几个学生,将相似度低的学生分离出来继续参与寝室的分配。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.基于合并分组算法的寝室分组装置,其特征在于,包括采集模块,所述采集模块用于采集每个学生在寝室分配上关注的若干个点,作为特征项;
特征项权重计算模块,通过两两比较法计算每个特征项的权重;
学生相似度计算模块,通过特征项和各个特征项权重计算出学生间的相似度;
寝室分组模块,通过合并分组算法循环迭代为学生分配寝室。
2.根据权利要求1所述的基于合并分组算法的寝室分组装置,其特征在于:所述寝室分组模块,还用于在寝室分组过程中产生的寝室超编,通过计算寝室内学生的相似度,保留相似度高的几个学生,将相似度低的学生分离出来继续参与寝室的分配。
3.根据权利要求1或2所述的基于合并分组算法的寝室分组装置,其特征在于:在特征项权重计算模块中,所述的两两比较法是指:将一个用于比较的特征项与另一个用于被比较的特征项进行比较,若两个特征项同等重要,则两个特征项均取相同的数值,若用于比较的特征项比用于被比较的特征项略微重要,则用于比较的特征项比用于被比较的特征项数值要高,若用于比较的特征项比用于被比较的特征项重要得多,则用于比较的特征项比用于被比较的特征项数值进一步提高,对每个特征项分别进行两两比较后所赋予的数值求和,针对各个特征项的求和进行归一化处理,得到各个特征项的权重值。
4.根据权利要求1或2所述的基于合并分组算法的寝室分组装置,其特征在于:在学生相似度计算模块中,计算学生相似度的方式是:每个学生作为一个n维的向量,每个特征项的权重是向量的一个维度,通过欧氏距离计算出的两个向量间的距离,即用于评价学生间的相似度。
5.根据权利要求1或2所述的基于合并分组算法的寝室分组装置,其特征在于:寝室分组模块中,先把每个学生单独分一个寝室,放入一个待分组队列 Ungrouped,遍历Ungrouped,找到相似度最高的两个寝室m、n,合并为一个新寝室并加入Ungrouped,移除m、n,重复上述步骤,直到寝室人满为止。
6.基于合并分组算法的寝室分组方法,其特征在于:包括以下内容:1)特征项的采集步骤:通过采集模块采集每个学生在寝室分配上关注的若干个点,作为特征项;
2)特征项权重的计算步骤:采用两两比较法计算每个特征项的权重;
3)学生相似度的计算步骤:通过特征项和各个特征项权重计算出学生间的相似度;
4)寝室分组的步骤:通过合并分组算法循环迭代为学生分配寝室。
7.根据权利要求6所述的基于合并分组算法的寝室分组方法,其特征在于:还包括5)寝室超编的处理步骤,当寝室超编时,通过计算寝室内学生的相似度,保留相似度高的几个学生,将相似度低的学生分离出来继续参与寝室的分配。
8.根据权利要求6所述的基于合并分组算法的寝室分组方法,其特征在于:在2)特征项权重的计算步骤中,所述的两两比较法是指:将一个用于比较的特征项与另一个用于被比较的特征项进行比较,若两个特征项同等重要,则两个特征项均取相同的数值,若用于比较的特征项比用于被比较的特征项略微重要,则用于比较的特征项比用于被比较的特征项数值要高,若用于比较的特征项比用于被比较的特征项重要得多,则用于比较的特征项比用于被比较的特征项数值进一步提高,对每个特征项分别进行两两比较后所赋予的数值求和,针对各个特征项的求和进行归一化处理,得到各个特征项的权重值。
9.根据权利要求6所述的基于合并分组算法的寝室分组方法,其特征在于:在3)学生相似度的计算步骤中,计算学生相似度的方式是:每个学生作为一个n维的向量,每个特征项的权重是向量的一个维度,通过欧氏距离计算出的两个向量间的距离,即用于评价学生间的相似度。
10.根据权利要求6所述的基于合并分组算法的寝室分组方法,其特征在于:在4)寝室分组的步骤中,先把每个学生单独分一个寝室,放入一个待分组队列 Ungrouped,遍历Ungrouped,找到相似度最高的两个寝室m、n,合并为一个新寝室并加入Ungrouped,移除m、n,重复上述步骤,直到寝室人满为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710230506.5A CN107025463A (zh) | 2017-04-10 | 2017-04-10 | 基于合并分组算法的寝室分组装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710230506.5A CN107025463A (zh) | 2017-04-10 | 2017-04-10 | 基于合并分组算法的寝室分组装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107025463A true CN107025463A (zh) | 2017-08-08 |
Family
ID=59527808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710230506.5A Pending CN107025463A (zh) | 2017-04-10 | 2017-04-10 | 基于合并分组算法的寝室分组装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107025463A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895223A (zh) * | 2017-10-30 | 2018-04-10 | 广州市勤思网络科技有限公司 | 基于大数据的学生宿舍分配方法及系统 |
CN111047201A (zh) * | 2019-12-16 | 2020-04-21 | 河南科技学院 | 一种基于深度学习的宿舍分配方法及装置 |
CN111709640A (zh) * | 2020-06-15 | 2020-09-25 | 浙江大学 | 一种针对教育场景的特征均衡智能分组方法 |
CN112085262A (zh) * | 2020-08-24 | 2020-12-15 | 辽宁石油化工大学 | 一种基于机器学习算法的大学生寝室调配方法 |
CN113269426A (zh) * | 2021-05-18 | 2021-08-17 | 哈尔滨工程大学 | 一种基于启发式改进粒子群算法的宿舍分配方法 |
CN116188208A (zh) * | 2022-10-12 | 2023-05-30 | 北京雪杉教育科技发展有限公司 | 学生用户信息处理方法、装置、电子设备和计算机介质 |
CN116894552A (zh) * | 2023-06-28 | 2023-10-17 | 浙江海亮科技有限公司 | 学生宿舍分配方法、装置、电子装置和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101877711A (zh) * | 2009-04-28 | 2010-11-03 | 华为技术有限公司 | 社会网络建立方法及装置、以及社区发现方法及装置 |
CN102880644A (zh) * | 2012-08-24 | 2013-01-16 | 电子科技大学 | 社区发现方法 |
US9208220B2 (en) * | 2010-02-01 | 2015-12-08 | Alibaba Group Holding Limited | Method and apparatus of text classification |
-
2017
- 2017-04-10 CN CN201710230506.5A patent/CN107025463A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101877711A (zh) * | 2009-04-28 | 2010-11-03 | 华为技术有限公司 | 社会网络建立方法及装置、以及社区发现方法及装置 |
US9208220B2 (en) * | 2010-02-01 | 2015-12-08 | Alibaba Group Holding Limited | Method and apparatus of text classification |
CN102880644A (zh) * | 2012-08-24 | 2013-01-16 | 电子科技大学 | 社区发现方法 |
Non-Patent Citations (2)
Title |
---|
吴增源: "《电子商务创业管理》", 30 September 2015, 上海交通大学出版社 * |
曾向阳: "《智能水中目标识别》", 31 March 2016, 国防工业出版社 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895223A (zh) * | 2017-10-30 | 2018-04-10 | 广州市勤思网络科技有限公司 | 基于大数据的学生宿舍分配方法及系统 |
CN111047201A (zh) * | 2019-12-16 | 2020-04-21 | 河南科技学院 | 一种基于深度学习的宿舍分配方法及装置 |
CN111709640A (zh) * | 2020-06-15 | 2020-09-25 | 浙江大学 | 一种针对教育场景的特征均衡智能分组方法 |
CN112085262A (zh) * | 2020-08-24 | 2020-12-15 | 辽宁石油化工大学 | 一种基于机器学习算法的大学生寝室调配方法 |
CN112085262B (zh) * | 2020-08-24 | 2023-12-26 | 辽宁石油化工大学 | 一种基于机器学习算法的大学生寝室调配方法 |
CN113269426A (zh) * | 2021-05-18 | 2021-08-17 | 哈尔滨工程大学 | 一种基于启发式改进粒子群算法的宿舍分配方法 |
CN116188208A (zh) * | 2022-10-12 | 2023-05-30 | 北京雪杉教育科技发展有限公司 | 学生用户信息处理方法、装置、电子设备和计算机介质 |
CN116188208B (zh) * | 2022-10-12 | 2023-12-19 | 北京雪杉教育科技发展有限公司 | 学生用户信息处理方法、装置、电子设备和计算机介质 |
CN116894552A (zh) * | 2023-06-28 | 2023-10-17 | 浙江海亮科技有限公司 | 学生宿舍分配方法、装置、电子装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107025463A (zh) | 基于合并分组算法的寝室分组装置及方法 | |
Malach et al. | Proving the lottery ticket hypothesis: Pruning is all you need | |
CN108345846A (zh) | 一种基于卷积神经网络的人体行为识别方法及识别系统 | |
CN112330028A (zh) | 基于谱聚类和lstm神经网络的电动公交车充电负荷预测方法 | |
CN110353675A (zh) | 基于图片生成的脑电信号情感识别方法及装置 | |
CN107194426A (zh) | 一种基于Spiking神经网络的图像识别方法 | |
CN106295507A (zh) | 一种基于集成卷积神经网络的性别识别方法 | |
CN108021908A (zh) | 人脸年龄段识别方法及装置、计算机装置及可读存储介质 | |
CN106709478A (zh) | 一种行人图像特征分类方法和系统 | |
CN110188863A (zh) | 一种卷积神经网络的卷积核及其压缩算法 | |
CN107194383A (zh) | 基于改进Hu不变矩和ELM的交通标志牌识别方法和装置 | |
CN108509385A (zh) | 一种设备制造供应商评价方法 | |
CN109299163A (zh) | 一种基于卷积神经网络的降水数据的插值方法及装置 | |
CN103927433B (zh) | 基于流控制的多源点多出口人群应急疏散调度方法 | |
CN107832412A (zh) | 一种基于文献引用关系的刊物聚类方法 | |
CN113971367B (zh) | 一种基于混洗蛙跳算法的卷积神经网络框架自动设计方法 | |
CN118211268A (zh) | 基于扩散模型的异构联邦学习隐私保护方法及系统 | |
CN107153677A (zh) | 一种查找价值用户的数据处理方法和系统 | |
CN104200227A (zh) | 一种用于人类认知模式识别的特征归一化方法及系统 | |
CN104463210A (zh) | 基于面向对象和谱聚类的极化sar图像分类方法 | |
CN104536831A (zh) | 一种基于多目标优化的多核SoC软件映射方法 | |
CN112215490B (zh) | 一种基于相关性系数改进K-means的电力负荷聚类分析方法 | |
CN113420820A (zh) | 一种基于正则化最优传输理论的不平衡数据分类方法 | |
CN104376042B (zh) | 一种试题数据库试题获取方法及系统 | |
CN104573726A (zh) | 基于四等分及各成分重构误差最优组合的人脸图像识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170808 |
|
RJ01 | Rejection of invention patent application after publication |