[发明专利]基于DBSCAN聚类算法的核查重点人员、房屋漏登记的方法在审
| 申请号： | 201910374115.X | 申请日： | 2019-05-07 |
| 公开（公告）号： | CN110097126A | 公开（公告）日： | 2019-08-06 |
| 发明（设计）人： | 许正;朱哲辰;黄泷;闫子为;高子康 | 申请（专利权）人： | 江苏优聚思信息技术有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06Q50/26 |
| 代理公司： | 苏州唯亚智冠知识产权代理有限公司 32289 | 代理人： | 陈晓瑜 |
| 地址： | 215000 江苏省苏州市工*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于DBSCAN聚类算法的核查重点人员、房屋漏登记的方法，其对民警采集的人口、房屋数据集进行预处理，包括缺失值填充、类别型变量离散化、数值型变量标准化；采用DBSCAN聚类算法，在“重点人员、房屋”数据集上对非核心点的样本进行归类，对聚类结果进行分析；将所有标签“重点人员、房屋”的数据进行核心点固定，通过自适应特征权重的DBSCAN聚类算法，在人口、房屋数据集上对非核心点的样本进行归类，获取聚类结果，最终生成疑似漏登记“重点人员、房屋”核查表。由此，以被标记重点关注人员、房屋为核心，通过密度聚类算法筛选出与重点人员、房屋相似的人员、房屋，再缩小疑似重点人员、房屋核查范围，能够有效提高警务核查的精准度和效率。 | ||
| 搜索关键词： | 房屋 聚类算法 核查 房屋数据 聚类结果 归类 样本 预处理 数值型变量 密度聚类 特征权重 点固定 精准度 离散化 数据集 自适应 算法 填充 人口 标准化 标签 警务 采集 筛选 民警 分析 | ||
【主权项】：
1.基于DBSCAN聚类算法的核查重点人员、房屋漏登记的方法，其特征在于包括以下步骤：步骤一，对民警采集的人口、房屋数据集进行预处理，包括缺失值填充、类别型变量离散化、数值型变量标准化；步骤二，将已被标签“重点人员、房屋”的数据划分为已知“重点人员、房屋”和未知“重点人员、房屋”，并将已知“重点人员、房屋”数据样本固定为密度聚类的核心点，并分离非核心点；步骤三，设定邻域参数(ε，MinPts),这里ε描述了某一样本的邻域距离阈值，MinPts描述了某一样本的距离为ε的邻域中样本个数的阈值。采用DBSCAN聚类算法，在“重点人员、房屋”数据集上对非核心点的样本进行归类，对聚类结果进行分析；步骤四，将所有标签“重点人员、房屋”的数据进行核心点固定，通过自适应特征权重的DBSCAN聚类算法，在人口、房屋数据集上对非核心点的样本进行归类，获取聚类结果；步骤五，对步骤四中聚类结果进行统计与判断，最终生成疑似漏登记“重点人员、房屋”核查表。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏优聚思信息技术有限公司，未经江苏优聚思信息技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910374115.X/，转载请声明来源钻瓜专利网。
