買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉廣東電網有限責任公司廣州供電局申請的專利一種基于SOM-M的業擴項目聚類方法、裝置、設備和存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114781482B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210268783.6，技術領域涉及：G06F18/23；該發明授權一種基于SOM-M的業擴項目聚類方法、裝置、設備和存儲介質是由林其雄;周鑫;林鏡星;許斌斌;謝志煒;王偉光設計研發完成，并于2022-03-18向國家知識產權局提交的專利申請。

本一種基于SOM-M的業擴項目聚類方法、裝置、設備和存儲介質在說明書摘要公布了：本發明涉及一種基于SOM?M的業擴項目聚類方法，包括：獲取原始業擴項目數據，原始業擴項目數據包括：項目節點、節點計劃用時、節點預算費用；將預處理后的原始業擴項目數據輸入至SOM?M模型中，初始化競爭層的神經元參數；計算輸入層的神經元與競爭層的神經元間的相似性和一階動量，更新競爭層的神經元參數；根據更新后的競爭層的神經元參數，得到業擴項目的節點類別。本申請通過測量多個神經元相似性，使多個神經元的相似性相互競爭，不斷調整神經元逼近對象的類別中心，使神經元自動聚類，在加入一階動量后，提升了SOM的收斂能力，更易于找到聚類中心，具有較強的分類能力和快速的學習能力，在對業擴項目聚類中具有很好的效果。

本發明授權一種基于SOM-M的業擴項目聚類方法、裝置、設備和存儲介質在權利要求書中公布了：1.一種基于SOM-M的業擴項目聚類方法，其特征在于，該方法包括以下步驟： 獲取原始業擴項目數據，所述原始業擴項目數據包括：項目節點、節點計劃用時、節點預算費用； 對所述原始業擴項目數據預處理，剔除異常數據； 將所述預處理后的原始業擴項目數據輸入至SOM-M模型中，并初始化所述競爭層的神經元參數，其中，SOM-M模型包括輸入層和競爭層； 計算所述輸入層的神經元與所述競爭層的神經元間的相似性和一階動量，更新所述競爭層的神經元參數； 根據更新后的所述競爭層的神經元參數，得到業擴項目的節點類別； 其中，計算所述輸入層的神經元與所述競爭層的神經元間的相似性和一階動量，更新所述競爭層的神經元參數，包括： 選擇一個輸入層的神經元，計算每個所述競爭層的神經元與其之間的相似性，相似性的歐氏距離計算公式如下： 其中，X為輸入層的神經元參數向量，Xi為第i個競爭層的神經元參數向量，Τ為向量轉置運算符； 比較所述競爭層的神經元的相似性計算結果，選擇歐氏距離最小的神經元作為優勝神經元； 計算帶一階動量的優勝神經元參數更新調整值m，一階動量公式如下： mvc＝β·mvc-1+1-β·Dt-Wve 其中，Wv為所述優勝神經元v的參數向量，D為獲勝神經元的參數向量，mvc為所述優勝神經元本次的帶一階動量的參數更新調整值，mvc-1為所述優勝神經元上一次的帶一階動量的參數更新調整值，v代表優勝神經元，β為一階動量超參數； 更新所述優勝神經元及其鄰域神經元的參數，更新參數公式如下： Wve+1＝Wve+θu,v,σ×αe×m 其中，Wv為神經元v的參數向量，e為當前迭代代數，θu,v,σ為近鄰函數，可選擇bubble函數，gaussian函數，u為優勝神經元在競爭平面上的x軸坐標，v為優勝神經元在競爭平面上的y軸坐標，E為總迭代次數2，α為學習率，D為獲勝神經元的參數向量； 重復更新所述競爭層的神經元參數，直至達到設定的迭代次數最大值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣東電網有限責任公司廣州供電局，其通訊地址為：510630 廣東省廣州市天河區天河南二路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。