CN112800165A - 一种基于聚类算法的产业集群定位方法、装置及电子设备 - Google Patents
一种基于聚类算法的产业集群定位方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112800165A CN112800165A CN202110364641.5A CN202110364641A CN112800165A CN 112800165 A CN112800165 A CN 112800165A CN 202110364641 A CN202110364641 A CN 202110364641A CN 112800165 A CN112800165 A CN 112800165A
- Authority
- CN
- China
- Prior art keywords
- cluster
- enterprise
- enterprises
- clustering algorithm
- visited
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
Abstract
本发明公开了一种基于聚类算法的产业集群定位方法、装置及电子设备,方法包括:获取预设区域内的多个企业的实时企业数据,每条实时企业数据包括产业标签信息和企业的位置坐标;根据所述产业标签信息,将所述多个企业进行分类;对于每个类别的企业,利用密度聚类算法根据所述位置坐标进行聚类,获得产业集群;利用地理信息空间化方法将所述产业集群在地图上展示;该方法能够根据产业内企业规模和数量进行大规模产业集群精确定位,且实时性高,成本低。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种基于聚类算法的产业集群定位方法、装置及电子设备。
背景技术
目前,定位产业集群主要有两种方法,一种是依靠存量材料进行产业集群定位,存量材料包括产业规划材料和存量产业数据;另一种是通过企业上报数据进行产业集群定位。
传统产业集群定位方式均存在不同的缺陷而导致产业集群定位不精确的情况,为产业管理者埋下隐患。通过存量材料进行定位,难以保证材料的时效性,企业的迁入迁出、新增注销信息把握不及时,从而导致产业集群定位不精确。而企业上报方式,存在遗漏和上报信息不准确的情况,同样无法精确全面定位产业集群。此外,这两种方式均无法精确定位大范围内产业集群,比如定位全省或者全国。
发明内容
本发明提供了一种基于聚类算法的产业集群定位方法、装置及电子设备,以解决传统产业集群定位方法无法精确定位大范围内产业集群的问题。
一种基于聚类算法的产业集群定位方法,包括:
获取预设区域内的多个企业的实时企业数据,每条实时企业数据包括产业标签信息和企业的位置坐标;
根据所述产业标签信息,将所述多个企业进行分类;
对于每个类别的企业,利用密度聚类算法根据所述位置坐标进行聚类,获得产业集群;
利用地理信息空间化方法将所述产业集群在地图上展示。
进一步地,所述对于每个类别的企业,利用密度聚类算法根据所述位置坐标进行聚类,获得产业集群,包括:
任意选择一个企业;
判断该企业预设距离阈值内的同类型企业是否满足预设条件,若是,则根据所述企业利用密度聚类算法生成一个簇,并将所述簇内的企业标记为已访问;否则将所述企业标记为噪声且已访问;
选择一个未访问的企业并重复上一步骤,直至所有企业均被标记为已访问。
进一步地,所述根据所述企业利用密度聚类算法生成一个簇包括:
将所述企业和预设距离阈值内的同类型企业组成一个簇,将所述企业标记为已访问;
从所述簇中选择一未访问的企业,判断该未访问的企业预设距离阈值内的同类型企业是否满足预设条件,若是,则将所述预设距离阈值内的同类型企业加入所述簇,并将所述未访问的企业标记为已访问;
重复上一步骤,直至簇中的所有企业均被标记为已访问。
进一步地,所述企业实时数据还包括企业注册资本,所述预设条件为所述预设距离阈值内的所有同类型企业的注册资本总值大于预设值。
进一步地,利用地理信息空间化方法将所述产业集群在地图上展示,包括:
获取所述产业集群中的各个企业对应的位置坐标;
根据所述位置坐标,将各个企业标记于地图上。
一种基于聚类算法的产业集群定位装置,包括:
获取模块,用于获取预设区域内的多个企业的实时企业数据,每条实时企业数据包括产业标签信息和企业的位置坐标;
分类模块,用于根据所述产业标签信息,将所述多个企业进行分类;
聚类模块,用于对每个类别的企业,利用密度聚类算法根据所述位置坐标进行聚类,获得产业集群;
展示模块,用于利用地理信息空间化方法将所述产业集群在地图上展示。
进一步地,所述聚类模块还用于:
任意选择一个企业;
判断该企业预设距离阈值内的同类型企业是否满足预设条件,若是,则根据所述企业利用密度聚类算法生成一个簇,并将所述簇内的企业标记为已访问;否则将所述企业标记为噪声且已访问;
选择一个未访问的企业并重复上一步骤,直至所有企业均被标记为已访问;
其中,所述根据所述企业利用密度聚类算法生成一个簇包括:
将所述企业和预设距离阈值内的同类型企业组成一个簇,将所述企业标记为已访问;
从所述簇中选择一未访问的企业,判断该未访问的企业预设距离阈值内的同类型企业是否满足预设条件,若是,则将所述预设距离阈值内的同类型企业加入所述簇,并将所述未访问的企业标记为已访问;
重复上一步骤,直至簇中的所有企业均被标记为已访问。
进一步地,所述展示模块还用于获取所述产业集群中的各个企业对应的位置坐标;根据所述位置坐标,将各个企业标记于地图上。
一种电子设备,包括处理器和存储器,所述存储器存储有多条指令,所述处理器用于读取所述指令并执行上述的方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有多条指令,所述多条指令可被处理器读取并执行上述的方法。
本发明提供的基于聚类算法的产业集群定位方法、装置及电子设备,能够根据产业内企业规模和数量进行大规模产业集群精确定位,且实时性高,成本低。解决了传统地理信息集群依据企业数量定位方法的不精确,以及产业集群范围只能为规则图形的问题。此外,利用密度聚类算法进行聚类不需要固定数量的簇,它也会将异常值识别为噪声。基于机器学习密度聚类算法和地理信息可视化相结合的方法,能够以不规则多边形的方式,更加精确定位产业集群。
附图说明
图1为本发明提供的基于聚类算法的产业集群定位方法一种实施例的流程图。
图2为本发明提供的基于聚类算法的产业集群定位方法中密度聚类算法一种实施例的流程图。
图3为本发明提供的基于聚类算法的产业集群定位装置一种实施例的结构示意图。
图4为本发明提供的电子设备一种实施例的结构示意图。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施,该终端可以包括一个或多个如下部件:处理器、存储器和显示屏。其中,存储器中存储有至少一条指令,所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分,通过运行或执行存储在存储器内的指令、程序、代码集或指令集,以及调用存储在存储器内的数据,执行终端的各种功能和处理数据。
存储器可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory,ROM)。存储器可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
除此之外,本领域技术人员可以理解,上述终端的结构并不构成对终端的限定,终端可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。比如,终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件,在此不再赘述。
实施例一
如图1所示,本发明实施例提供了一种基于聚类算法的产业集群定位方法,包括:
S1、获取预设区域内的多个企业的实时企业数据,每条实时企业数据包括产业标签信息和企业的位置坐标;
S2、根据所述产业标签信息,将所述多个企业进行分类;
S3、对于每个类别的企业,利用密度聚类算法根据所述位置坐标进行聚类,获得产业集群;
S4、利用地理信息空间化方法将所述产业集群在地图上展示。
具体地,步骤S1中,预设区域为待分析的区域,实时企业数据还可以包括企业名称、企业注册时间、企业状态、产业标签信息、企业所属行政区域等。通过待分析的区域范围,筛选出相应范围内的实时企业数据。
例如,(北京市,企业列表)。企业列表为预设区域内实时存在并在业的所有企业,每一个企业为一条数据。例如,(60358044a4b5be45c13b5a8a,北京BD网讯科技有限公司,91110000802100433B,2001-06-05,在业,经度,纬度,北京市.......″ ),表示北京市有一家企业(BD网讯科技有限公司)。
通过区域范围和企业位置坐标进行过滤,从而获得预设区域范围内所有实时在业的企业。
进一步地,步骤S2中,根据所述产业标签信息,将所述多个企业进行分类,将多个企业分为不同的组,每个组对应一个产业分类,以便分别对不同产业的企业进行聚类。
进一步地,参考图2,步骤S3中,所述对于每个类别的企业,利用密度聚类算法根据所述位置坐标进行聚类,获得产业集群,包括:
S31、任意选择一个企业;
S32、判断该企业预设距离阈值内的同类型企业是否满足预设条件,若是,则根据所述企业利用密度聚类算法生成一个簇,并将所述簇内的企业标记为已访问;否则将所述企业标记为噪声且已访问;
S33、选择一个未访问的企业并重复步骤S32,直至所有企业均被标记为已访问。
进一步地,步骤S32中,所述根据所述企业利用密度聚类算法生成一个簇包括:
将所述企业和预设距离阈值内的同类型企业组成一个簇,将所述企业标记为已访问;
从所述簇中选择一未访问的企业,判断该未访问的企业预设距离阈值内的同类型企业是否满足预设条件,若是,则将所述预设距离阈值内的同类型企业加入所述簇,并将所述未访问的企业标记为已访问;
重复上一步骤,直至簇中的所有企业均被标记为已访问。
一旦完成了当前的产业集群,一个新的未访问企业将被检索和处理,导致发现另一个簇(产业集群)或噪声。重复这个过程直到所有的企业被标记为已访问。由于所有企业都已经被访问,所以每个企业都属于某个集群或者作为散点噪声。
其中,所述企业实时数据还包括企业注册资本,所述预设条件为所述预设距离阈值内的所有同类型企业的注册资本总值大于预设值。
以下以具体的应用场景对上述聚类方法做进一步说明。
对S市的新一代信息技术产业集群定位,分类后获取S市内所有的在业新一代信息技术企业,将每个企业映射为一个企业数据点。
预先设置的预设距离阈值为3公里,预设条件为同类型企业的注册资本总值大于20亿。
从任意一个没有被访问过的企业数据点开始,例如A公司对应的企业数据点。若A公司3公里范围内所有新一代信息技术企业注册资本总值超过20亿,即有足够数量的企业数据点(相当于一个产业集群的最少样本数),则聚类过程开始,A公司的数据点为新簇的第一个点;否则该点被标记为噪声。这两种情况下,A公司对应的企业数据点都被标记为“已访问”。
对于新簇中的第一个企业数据点,其预设距离阈值的邻域内的同产业企业数据点也成为该簇的一部分。这个使所有预设距离阈值邻域内的企业数据点都属于同一个簇的过程将对所有刚刚添加到簇中的新企业数据点进行重复。
A公司对应的数据点三公里范围内所有企业注册资金总额超过20亿,则3公里范围内的企业数据点也都成为该集群的一部分。接下来对簇内的每一个企业数据点都进行重复操作,直到簇中所有的企业数据点都被标记为已访问,这个簇就形成为一个产业集群。例如对于簇内的B公司,若B公司3公里范围内所有新一代信息技术企业注册资本总值超过20亿,则B公司3公里范围内的同产业企业数据点也成为该簇的一部分,将B公司对应的企业数据点标记为“已访问”,然后再选择一个未访问的企业数据点(对应C公司),判断其3公里范围内所有新一代信息技术企业注册资本总值是否超过20亿,如果否,则簇中不增加新的企业,而将C公司对应的企业数据点标记为“已访问”,再选择下一个未访问的企业数据点(对应D公司)执行上述判断。以此类推,从而聚类形成一个产业集群。
一旦完成了当前的产业集群,再检索一个新的未访问企业数据点进行上述处理,可发现另一个簇(产业集群)或噪声。重复这个过程直到所有的企业数据点被标记为已访问。由于所有企业数据点都已经被访问,所以每个企业数据点都属于某个集群或者作为散点噪声。这样就得出S市内所有新一代信息技术产业集群。
进一步地,步骤S5中,利用地理信息空间化方法将所述产业集群在地图上展示,包括:
获取所述产业集群中的各个企业对应的位置坐标;
根据所述位置坐标,将各个企业标记于地图上。
本实施例提供的基于聚类算法的产业集群定位方法,能够根据产业内企业规模和数量进行大规模产业集群精确定位,且实时性高,成本低。解决了传统地理信息集群依据企业数量定位方法的不精确,以及产业集群范围只能为规则图形的问题。此外,利用密度聚类算法进行聚类不需要固定数量的簇,它也会将异常值识别为噪声。基于机器学习密度聚类算法和地理信息可视化相结合的方法,能够以不规则多边形的方式,更加精确定位产业集群。
实施例二
如图3所示,本发明的另一方面还包括和前述方法流程完全对应一致的功能模块架构,即本发明实施例还提供了一种基于聚类算法的产业集群定位装置,包括:
获取模块201,用于获取预设区域内的多个企业的实时企业数据,每条实时企业数据包括产业标签信息和企业的位置坐标;
分类模块202,用于根据所述产业标签信息,将所述多个企业进行分类;
聚类模块203,用于对每个类别的企业,利用密度聚类算法根据所述位置坐标进行聚类,获得产业集群;
展示模块204,用于利用地理信息空间化方法将所述产业集群在地图上展示。
具体地,获取模块201获取的实时企业数据还可以包括企业名称、企业注册时间、企业状态、产业标签信息、企业的位置坐标、所属行政区域等。通过分析区域范围,筛选出相应范围内的实时企业数据。
进一步地,聚类模块201还用于:
任意选择一个企业;
判断该企业预设距离阈值内的同类型企业是否满足预设条件,若是,则根据所述企业利用密度聚类算法生成一个簇,并将所述簇内的企业标记为已访问;否则将所述企业标记为噪声且已访问;
选择一个未访问的企业并重复上一步骤,直至所有企业均被标记为已访问;
其中,所述根据所述企业利用密度聚类算法生成一个簇包括:
将所述企业和预设距离阈值内的同类型企业组成一个簇,将所述企业标记为已访问;
从所述簇中选择一未访问的企业,判断该未访问的企业预设距离阈值内的同类型企业是否满足预设条件,若是,则将所述预设距离阈值内的同类型企业加入所述簇,并将所述未访问的企业标记为已访问;
重复上一步骤,直至簇中的所有企业均被标记为已访问。
进一步地,展示模块204还用于获取所述产业集群中的各个企业对应的位置坐标;根据所述位置坐标,将各个企业标记于地图上。
其中,所述企业实时数据还包括企业注册资本,所述预设条件为所述预设距离阈值内的所有同类型企业的注册资本总值大于预设值。
该装置可通过上述实施例一提供的方法实现,具体的实现方法可参见实施例一中的描述,在此不再赘述。
本实施例提供的基于聚类算法的产业集群定位装置,能够根据产业内企业规模和数量进行大规模产业集群精确定位,且实时性高,成本低。解决了传统地理信息集群依据企业数量定位方法的不精确,以及产业集群范围只能为规则图形的问题。此外,利用密度聚类算法进行聚类不需要固定数量的簇,它也会将异常值识别为噪声。基于机器学习密度聚类算法和地理信息可视化相结合的方法,能够以不规则多边形的方式,更加精确定位产业集群。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有多条指令,所述多条指令可被处理器读取并执行如实施例一所述的方法。
参考图4,本发明还提供了一种电子设备,包括处理器301和与所述处理器301连接的存储器302,所述存储器存储有多条指令,所述指令可被所述处理器加载并执行,以使所述处理器能够执行如实施例一所述的方法。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于聚类算法的产业集群定位方法,其特征在于,包括:
获取预设区域内的多个企业的实时企业数据,每条实时企业数据包括产业标签信息和企业的位置坐标;
根据所述产业标签信息,将所述多个企业进行分类;
对于每个类别的企业,利用密度聚类算法根据所述位置坐标进行聚类,获得产业集群;
利用地理信息空间化方法将所述产业集群在地图上展示。
2.根据权利要求1所述的方法,其特征在于,所述对于每个类别的企业,利用密度聚类算法根据所述位置坐标进行聚类,获得产业集群,包括:
任意选择一个企业;
判断该企业预设距离阈值内的同类型企业是否满足预设条件,若是,则根据所述企业利用密度聚类算法生成一个簇,并将所述簇内的企业标记为已访问;否则将所述企业标记为噪声且已访问;
选择一个未访问的企业并重复上一步骤,直至所有企业均被标记为已访问。
3.根据权利要求2所述的方法,其特征在于,所述根据所述企业利用密度聚类算法生成一个簇包括:
将所述企业和预设距离阈值内的同类型企业组成一个簇,将所述企业标记为已访问;
从所述簇中选择一未访问的企业,判断该未访问的企业预设距离阈值内的同类型企业是否满足预设条件,若是,则将所述预设距离阈值内的同类型企业加入所述簇,并将所述未访问的企业标记为已访问;
重复上一步骤,直至簇中的所有企业均被标记为已访问。
4.根据权利要求3所述的方法,其特征在于,所述企业实时数据还包括企业注册资本,所述预设条件为所述预设距离阈值内的所有同类型企业的注册资本总值大于预设值。
5.根据权利要求3所述的方法,其特征在于,利用地理信息空间化方法将所述产业集群在地图上展示,包括:
获取所述产业集群中的各个企业对应的位置坐标;
根据所述位置坐标,将各个企业标记于地图上。
6.一种基于聚类算法的产业集群定位装置,其特征在于,包括:
获取模块,用于获取预设区域内的多个企业的实时企业数据,每条实时企业数据包括产业标签信息和企业的位置坐标;
分类模块,用于根据所述产业标签信息,将所述多个企业进行分类;
聚类模块,用于对每个类别的企业,利用密度聚类算法根据所述位置坐标进行聚类,获得产业集群;
展示模块,用于利用地理信息空间化方法将所述产业集群在地图上展示。
7.根据权利要求6所述的装置,其特征在于,所述聚类模块还用于:
任意选择一个企业;
判断该企业预设距离阈值内的同类型企业是否满足预设条件,若是,则根据所述企业利用密度聚类算法生成一个簇,并将所述簇内的企业标记为已访问;否则将所述企业标记为噪声且已访问;
选择一个未访问的企业并重复上一步骤,直至所有企业均被标记为已访问;
其中,所述根据所述企业利用密度聚类算法生成一个簇包括:
将所述企业和预设距离阈值内的同类型企业组成一个簇,将所述企业标记为已访问;
从所述簇中选择一未访问的企业,判断该未访问的企业预设距离阈值内的同类型企业是否满足预设条件,若是,则将所述预设距离阈值内的同类型企业加入所述簇,并将所述未访问的企业标记为已访问;
重复上一步骤,直至簇中的所有企业均被标记为已访问。
8.根据权利要求7所述的装置,其特征在于,所述展示模块还用于获取所述产业集群中的各个企业对应的位置坐标;根据所述位置坐标,将各个企业标记于地图上。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有多条指令,所述处理器用于读取所述指令并执行如权利要求1-5任一所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述多条指令可被处理器读取并执行如权利要求1至5任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110364641.5A CN112800165B (zh) | 2021-04-06 | 2021-04-06 | 一种基于聚类算法的产业集群定位方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110364641.5A CN112800165B (zh) | 2021-04-06 | 2021-04-06 | 一种基于聚类算法的产业集群定位方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112800165A true CN112800165A (zh) | 2021-05-14 |
CN112800165B CN112800165B (zh) | 2021-08-27 |
Family
ID=75816327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110364641.5A Active CN112800165B (zh) | 2021-04-06 | 2021-04-06 | 一种基于聚类算法的产业集群定位方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800165B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113918785A (zh) * | 2021-10-11 | 2022-01-11 | 广东工业大学 | 一种基于聚类集成学习的企业数据分析方法 |
CN114140036A (zh) * | 2022-02-08 | 2022-03-04 | 北京融信数联科技有限公司 | 基于数据分析的企业画像方法、系统和可读存储介质 |
CN115438138A (zh) * | 2022-11-09 | 2022-12-06 | 北京市城市规划设计研究院 | 就业中心识别方法、装置、电子设备及存储介质 |
CN116452014A (zh) * | 2023-03-21 | 2023-07-18 | 深圳市蕾奥规划设计咨询股份有限公司 | 应用于城市规划的企业集群确定方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908165A (zh) * | 2010-05-17 | 2010-12-08 | 北京中机科海科技发展有限公司 | 一种基于gis的产业集群信息集成服务系统及方法 |
CN103971000A (zh) * | 2014-05-12 | 2014-08-06 | 中国科学院城市环境研究所 | 基于多指标的工业园区产业集聚程度定量评价方法 |
CN111611500A (zh) * | 2020-04-09 | 2020-09-01 | 中国平安财产保险股份有限公司 | 一种基于聚类的常去地识别方法及装置、存储介质 |
CN111882235A (zh) * | 2020-08-03 | 2020-11-03 | 浪潮云信息技术股份公司 | 一种网格化的企业管理服务监测方法 |
US20200356103A1 (en) * | 2017-06-12 | 2020-11-12 | Real Image Technology Co., Ltd | Scenario cluster in self-driving motor vehicle operation |
CN112348123A (zh) * | 2020-12-08 | 2021-02-09 | 武汉卓尔数字传媒科技有限公司 | 一种用户聚类的方法、装置及电子设备 |
-
2021
- 2021-04-06 CN CN202110364641.5A patent/CN112800165B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908165A (zh) * | 2010-05-17 | 2010-12-08 | 北京中机科海科技发展有限公司 | 一种基于gis的产业集群信息集成服务系统及方法 |
CN103971000A (zh) * | 2014-05-12 | 2014-08-06 | 中国科学院城市环境研究所 | 基于多指标的工业园区产业集聚程度定量评价方法 |
US20200356103A1 (en) * | 2017-06-12 | 2020-11-12 | Real Image Technology Co., Ltd | Scenario cluster in self-driving motor vehicle operation |
CN111611500A (zh) * | 2020-04-09 | 2020-09-01 | 中国平安财产保险股份有限公司 | 一种基于聚类的常去地识别方法及装置、存储介质 |
CN111882235A (zh) * | 2020-08-03 | 2020-11-03 | 浪潮云信息技术股份公司 | 一种网格化的企业管理服务监测方法 |
CN112348123A (zh) * | 2020-12-08 | 2021-02-09 | 武汉卓尔数字传媒科技有限公司 | 一种用户聚类的方法、装置及电子设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113918785A (zh) * | 2021-10-11 | 2022-01-11 | 广东工业大学 | 一种基于聚类集成学习的企业数据分析方法 |
CN114140036A (zh) * | 2022-02-08 | 2022-03-04 | 北京融信数联科技有限公司 | 基于数据分析的企业画像方法、系统和可读存储介质 |
CN115438138A (zh) * | 2022-11-09 | 2022-12-06 | 北京市城市规划设计研究院 | 就业中心识别方法、装置、电子设备及存储介质 |
CN116452014A (zh) * | 2023-03-21 | 2023-07-18 | 深圳市蕾奥规划设计咨询股份有限公司 | 应用于城市规划的企业集群确定方法、装置及电子设备 |
CN116452014B (zh) * | 2023-03-21 | 2024-02-27 | 深圳市蕾奥规划设计咨询股份有限公司 | 应用于城市规划的企业集群确定方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112800165B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112800165B (zh) | 一种基于聚类算法的产业集群定位方法、装置及电子设备 | |
CN109255565B (zh) | 地址的归属识别和物流任务的分发方法及其装置 | |
CN110516002B (zh) | 基于地图的任务显示方法、装置、设备及存储介质 | |
CN108256032B (zh) | 一种对时空数据的共现模式进行可视化的方法及装置 | |
CN108665513B (zh) | 基于用户行为数据的绘图方法和装置 | |
CN113920117B (zh) | 一种面板缺陷区域检测方法、装置、电子设备及存储介质 | |
CN105373460A (zh) | 监控消息的告警方法和系统 | |
CN109840183B (zh) | 数据中心分级预警方法、装置及存储介质 | |
WO2011052473A1 (ja) | 管理サーバ、人口情報算出管理サーバ、不在エリア管理方法および人口情報算出方法 | |
CN107437367B (zh) | 一种标注选择方法及装置 | |
CN112199559A (zh) | 数据特征的筛选方法、装置及计算机设备 | |
CN108279013B (zh) | 电子地图增量数据的检查纠错方法和装置、以及导航系统 | |
CN113438123B (zh) | 网络流量监控方法、装置、计算机设备和存储介质 | |
CN114219023A (zh) | 数据聚类方法、装置、电子设备及可读存储介质 | |
CN111523174B (zh) | 船体图纸中开孔的自动绘制方法、系统、设备和存储介质 | |
CN115525841B (zh) | 兴趣点信息的获取方法、电子设备及存储介质 | |
CN110909804B (zh) | 基站异常数据的检测方法、装置、服务器和存储介质 | |
CN114925153B (zh) | 基于业务的地理信息数据质量检测方法、装置和设备 | |
CN116228501A (zh) | 排污超标区域行业确定方法、装置、存储介质及电子设备 | |
CN110457705B (zh) | 一种兴趣点数据处理方法、装置、设备和存储介质 | |
CN112527867B (zh) | 一种非农就业岗位供给能力识别方法,存储装置,及服务器 | |
CN106996784A (zh) | 一种移动设备、导航路测方法及系统 | |
CN112989193A (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
CN115033652A (zh) | 一种兴趣点聚合方法、装置、系统和相关产品 | |
CN106776966A (zh) | 一种数据分析方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230720 Address after: No. 502, 5th floor, No. 150 Chengfu Road, Haidian District, Beijing, 100084 Patentee after: Beijing innovation Zhiyuan Technology Co.,Ltd. Address before: B201d-1, 3rd floor, building 8, yard 1, Zhongguancun East Road, Haidian District, Beijing 100083 Patentee before: Beijing Zhiyuan Artificial Intelligence Research Institute |
|
TR01 | Transfer of patent right |