福利一区二区三区视频在线观看,国产成人激烈叫床声视频对白,老妇毛片久久久久久久久

基于ST DBSCAN的航跡聚類實現(xiàn)

2022年電子技術(shù)應(yīng)用第5期

朱瑜亮

中國電科集團第十研究所，四川成都610036

摘要： 針對現(xiàn)有飛行目標(biāo)的航跡聚類算法的不足，提出的一種可對任意形狀的航跡聚類，且不需提前劃分聚類目標(biāo)個數(shù)，可解決時空域航跡數(shù)據(jù)的聚類方法。通過航跡信息中的空間坐標(biāo)以及時間信息，掃描選取航跡數(shù)據(jù)中的任意未標(biāo)記點，進行時間域上的鄰近點掃描，再對時間鄰域內(nèi)的點進行空間域掃描，通過時空域內(nèi)鄰近點跡的數(shù)量將相同目標(biāo)的航跡形成簇，并通過數(shù)據(jù)仿真驗證本聚類方法的有效性。

關(guān)鍵詞： 空中目標(biāo) 航跡聚類 STDBSCAN 仿真聚類參數(shù)

中圖分類號： TN95
文獻標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.212331
中文引用格式： 朱瑜亮. 基于ST DBSCAN的航跡聚類實現(xiàn)[J].電子技術(shù)應(yīng)用，2022，48(5)：125-128.
英文引用格式： Zhu Yuliang. Implementation of track clustering based on ST DBSCAN[J]. Application of Electronic Technique，2022，48(5)：125-128.

Implementation of track clustering based on ST DBSCAN

Zhu Yuliang

The 10th Research Institute of CETC，Chengdu 610036，China

Abstract： Aiming at the shortcomings of existing track clustering algorithms for flying targets, a clustering method for track data in space-time domain is proposed, which can cluster tracks of arbitrary shape without dividing the number of clustering targets in advance. Through the spatial coordinates and time information in the track information,it scans and selects any unmarked points in the track data, scan the proximity points in the time domain, and then scans the points in the time neighborhood in the space domain. Cluster the tracks of the same target through the number of proximity points in the space-time domain, and verify the effectiveness of this clustering method through data simulation.

Key words : air target；track clustering；ST DBSCAN；simulation；clustering parameters

0 引言

航跡聚類是航跡數(shù)據(jù)分析中的一個重點，通過對記錄或?qū)崟r的航跡數(shù)據(jù)的聚類分析，可以獲得不同空中目標(biāo)的飛行路徑、飛行范圍、飛行特征等信息，幫助指揮人員了解空中目標(biāo)態(tài)勢，對空情進行指揮或事后研究分析。

以往傳統(tǒng)航跡聚類方法，有可以對空間中K個點為中心進行聚類，對最靠近中心點的對象歸類，并迭代中心點位置的K-means算法。K-means算法可對圓形或球狀的聚類數(shù)據(jù)進行處理，但無法處理任意形狀的數(shù)據(jù)簇聚類，且需要事先人工設(shè)置聚類類別數(shù)K，聚類結(jié)果也受起始中心點設(shè)置的影響。

也有基于網(wǎng)格的移動對象處理算法，將時空域劃分為網(wǎng)格，把航跡數(shù)據(jù)點劃分到不同網(wǎng)格內(nèi)可解決航跡點本身的定位誤差，再將鄰域密度高于門限的網(wǎng)格連接成簇進行聚類。但對密度不均勻、密度差異大的數(shù)據(jù)集聚類效果不好，門限參數(shù)不好選取，且不能處理空域數(shù)據(jù)的聚類。

還有基于空間密度的聚類算法DBSCAN，通過統(tǒng)計點跡數(shù)據(jù)集內(nèi)任意點鄰域內(nèi)鄰近點的數(shù)量，不斷向鄰域擴張聚合為簇，直到遍歷所有點完成聚類。同樣可發(fā)現(xiàn)任意形狀的數(shù)據(jù)聚類，但對密度不均勻、密度差異大的數(shù)據(jù)集聚類效果不好，且不能處理時空域數(shù)據(jù)的聚類。

本文使用基于ST DBSCAN的航跡聚類，既符合DBSCAN聚類算法的特點和優(yōu)點又增加了從時間域?qū)δ繕?biāo)數(shù)據(jù)集的掃描。

本文詳細(xì)內(nèi)容請下載：http://www.rjjo.cn/resource/share/2000004291。

作者信息：

朱瑜亮

(中國電科集團第十研究所，四川成都610036)

原創(chuàng)聲明：此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容