专利示意图

一、技术领域

数据分析技术领域

二、专利介绍

1.专利信息

专利类型：发明

专利权人：清华大学深圳国际研究生院

申请号：202310386652.2

发明人：袁克虹

2.专利说明书摘要

本发明公开了一种基于持续同调的自适应聚类方法。该方法包括：获取多维词向量数据集，并通过降维得到对应的二维点云数据；对于所述二维点云数据，构建单纯复形和VR复形；对于所述VR复形，统计复形的持续时间，并基于所述复形的持续时间进行聚类，其中在聚类过程中，对于所述复形的持续时间大于设定过滤值的复形进行滤除。本发明基于持续同调理论进行聚类，将持续时间短的复形作为聚类数据，而将持续时间长的复形作为噪声滤除，提高了聚类的准确性。

3.创新点

（1）本发明涉及数据处理领域，针对聚类算法中离群点影响数据中心的情况，提出一种完全基于持续同调的自适应聚类算法；

（2）该方法完全基于拓扑学中的持续同调理论，并利用四分位数自适应的选取阈值过滤，能够有效过滤离群点；

（3）本方法精度高于已有同类方法，是一种很有潜力的聚类算法。

4.痛点问题

（1）聚类问题中的离群点筛除；

（2）消除离群点对聚类中心的影响。

5.技术优势

（1）以拓扑学中的持续同调为理论依托，根据拓扑不变性，聚类过程不受离群点的影响；

（2）通过统计持续时间四分位的数，自适应的滤除数据离群点；

（3）本算法设计简单高效，同时解决了聚类和数据清洗两个问题。

三、产业化信息

1.应用场景

可用于各学科数据及工业数据分析

（1）电子商务：在网站上提供个性化推荐、用户分群等服务；

（2）社交网络：对用户进行社交网络分析，生成社交网络图，识别社区结构；

（3）金融服务：对银行客户进行分类、风险控制等；

（4）医疗：对疾病患者进行分组，提供个性化治疗方案；

（5）生物信息学：对表达基因、蛋白质等生物信息进行分类；

（6）图像处理：图像分割、目标检测、基于内容的图像检索等。

2.商业价值

此项技术拥有巨大的商业前景，对于生物医药行业有以下市场价值：

（1）本算法可以对海量数据进行聚类分析和预处理，与同类算法相比减少了异常值的影响；

（2）本算法可以对生物医学中的各种数据类型，如蛋白质分子数据，进行分析并可视化，具有很高的可解释性。

3.发展规划

该算法未来可应用至各个行业和学科，快速提高我国在数据分析领域的水平。

4.合作方式

面议

注:所有成果未经授权，请勿转载

联系方式：ttc@sz.tsinghua.edu.cn