在軍事應(yīng)用中,為了提取群體目標(biāo)的整體運(yùn)動(dòng)趨勢(shì),提出了一種基于決策圖的軌跡聚類來(lái)提取軌跡運(yùn)動(dòng)趨勢(shì)的方法。該方法不需要預(yù)設(shè)參數(shù),且聚類中心的個(gè)數(shù)既可以通過(guò)決策圖人工確定,又可以通過(guò)數(shù)值檢測(cè)策略自動(dòng)確定,由此減輕了算法對(duì)領(lǐng)域知識(shí)的依賴,增強(qiáng)了算法的適用性。仿真實(shí)驗(yàn)表明:該方法能正確確定軌跡聚類簇,且對(duì)軌跡噪聲有一定的抑制作用。 

【文章來(lái)源】：海軍工程大學(xué)學(xué)報(bào). 2019,31(01)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

合成數(shù)據(jù)軌跡分布圖Fig．1Illustrationofsyntheticdata

圖1合成數(shù)據(jù)軌跡分布圖Fig．1Illustrationofsyntheticdata圖2合成數(shù)據(jù)分段后的軌跡分布圖Fig．2Trajectoryafterpartitioningofsyntheticdata圖3熵(Entroy)隨dc的變化曲線Fig．3Variationofentropyvs．dc圖4局部熵隨dc的變化曲線Fig．4Localvariationofentroyvs．dc在確定最優(yōu)dc后，按定義1和定義2求得軌跡勢(shì)、delt-距離后，可畫(huà)出如圖5所示決策圖。由圖5可見(jiàn)，第5個(gè)和第6個(gè)數(shù)據(jù)點(diǎn)之間出現(xiàn)一個(gè)階躍，且從第6個(gè)數(shù)據(jù)點(diǎn)開(kāi)始γ無(wú)明顯變化，故該數(shù)據(jù)集有5個(gè)聚類簇。利用本文的數(shù)值檢測(cè)策略，得到如圖6所示斜率比的變化趨勢(shì)圖。在圖6中，第5個(gè)數(shù)據(jù)點(diǎn)的兩個(gè)連續(xù)斜率之間的比值達(dá)到最大，即該軌跡數(shù)據(jù)集有5個(gè)軌跡聚類中心，聚類效果如圖7所示。圖7中的實(shí)線為該軌跡聚類簇的軌跡運(yùn)動(dòng)趨勢(shì)。從聚類效果圖看，在無(wú)噪聲干擾的情況下，聚類簇被正確確定。圖5合成數(shù)據(jù)的決策圖Fig．5Decisiongraphofsyntheticdata圖6斜率比的變化趨勢(shì)Fig．6Variationofratioofslope圖7聚類效果圖Fig．7Illustrationofclusteringresult2．2帶噪聲數(shù)據(jù)的軌跡聚類將合成數(shù)據(jù)集添加20%隨機(jī)噪聲后的數(shù)據(jù)效果如圖8所示。該帶噪聲數(shù)據(jù)的決策圖如圖9所示。由圖9依然可以清晰看出，帶噪聲數(shù)據(jù)集的聚類簇的個(gè)數(shù)為5，圖10的斜率變化趨勢(shì)圖同樣可以證明該結(jié)論。·011·海軍工程大學(xué)學(xué)報(bào)第31卷

圖1合成數(shù)據(jù)軌跡分布圖Fig．1Illustrationofsyntheticdata圖2合成數(shù)據(jù)分段后的軌跡分布圖Fig．2Trajectoryafterpartitioningofsyntheticdata圖3熵(Entroy)隨dc的變化曲線Fig．3Variationofentropyvs．dc圖4局部熵隨dc的變化曲線Fig．4Localvariationofentroyvs．dc在確定最優(yōu)dc后，按定義1和定義2求得軌跡勢(shì)、delt-距離后，可畫(huà)出如圖5所示決策圖。由圖5可見(jiàn)，第5個(gè)和第6個(gè)數(shù)據(jù)點(diǎn)之間出現(xiàn)一個(gè)階躍，且從第6個(gè)數(shù)據(jù)點(diǎn)開(kāi)始γ無(wú)明顯變化，故該數(shù)據(jù)集有5個(gè)聚類簇。利用本文的數(shù)值檢測(cè)策略，得到如圖6所示斜率比的變化趨勢(shì)圖。在圖6中，第5個(gè)數(shù)據(jù)點(diǎn)的兩個(gè)連續(xù)斜率之間的比值達(dá)到最大，即該軌跡數(shù)據(jù)集有5個(gè)軌跡聚類中心，聚類效果如圖7所示。圖7中的實(shí)線為該軌跡聚類簇的軌跡運(yùn)動(dòng)趨勢(shì)。從聚類效果圖看，在無(wú)噪聲干擾的情況下，聚類簇被正確確定。圖5合成數(shù)據(jù)的決策圖Fig．5Decisiongraphofsyntheticdata圖6斜率比的變化趨勢(shì)Fig．6Variationofratioofslope圖7聚類效果圖Fig．7Illustrationofclusteringresult2．2帶噪聲數(shù)據(jù)的軌跡聚類將合成數(shù)據(jù)集添加20%隨機(jī)噪聲后的數(shù)據(jù)效果如圖8所示。該帶噪聲數(shù)據(jù)的決策圖如圖9所示。由圖9依然可以清晰看出，帶噪聲數(shù)據(jù)集的聚類簇的個(gè)數(shù)為5，圖10的斜率變化趨勢(shì)圖同樣可以證明該結(jié)論。·011·海軍工程大學(xué)學(xué)報(bào)第31卷

【參考文獻(xiàn)】：
期刊論文
[1]基于軌跡聚類的運(yùn)動(dòng)趨勢(shì)分析[J]. 何愛(ài)林,周德超,陳萍,孫洋.  海軍工程大學(xué)學(xué)報(bào). 2017(05)
[2]基于結(jié)構(gòu)相似度的軌跡聚類算法[J]. 袁冠,夏士雄,張磊,周勇.  通信學(xué)報(bào). 2011(09)



本文編號(hào)：2987043