在軍事應(yīng)用中,為了提取群體目標(biāo)的整體運動趨勢,提出了一種基于決策圖的軌跡聚類來提取軌跡運動趨勢的方法。該方法不需要預(yù)設(shè)參數(shù),且聚類中心的個數(shù)既可以通過決策圖人工確定,又可以通過數(shù)值檢測策略自動確定,由此減輕了算法對領(lǐng)域知識的依賴,增強了算法的適用性。仿真實驗表明:該方法能正確確定軌跡聚類簇,且對軌跡噪聲有一定的抑制作用。 

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

【文章頁數(shù)】：6 頁

【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、delt-距離后，可畫出如圖5所示決策圖。由圖5可見，第5個和第6個數(shù)據(jù)點之間出現(xiàn)一個階躍，且從第6個數(shù)據(jù)點開始γ無明顯變化，故該數(shù)據(jù)集有5個聚類簇。利用本文的數(shù)值檢測策略，得到如圖6所示斜率比的變化趨勢圖。在圖6中，第5個數(shù)據(jù)點的兩個連續(xù)斜率之間的比值達到最大，即該軌跡數(shù)據(jù)集有5個軌跡聚類中心，聚類效果如圖7所示。圖7中的實線為該軌跡聚類簇的軌跡運動趨勢。從聚類效果圖看，在無噪聲干擾的情況下，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)集的聚類簇的個數(shù)為5，圖10的斜率變化趨勢圖同樣可以證明該結(jié)論。·011·海軍工程大學(xué)學(xué)報第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、delt-距離后，可畫出如圖5所示決策圖。由圖5可見，第5個和第6個數(shù)據(jù)點之間出現(xiàn)一個階躍，且從第6個數(shù)據(jù)點開始γ無明顯變化，故該數(shù)據(jù)集有5個聚類簇。利用本文的數(shù)值檢測策略，得到如圖6所示斜率比的變化趨勢圖。在圖6中，第5個數(shù)據(jù)點的兩個連續(xù)斜率之間的比值達到最大，即該軌跡數(shù)據(jù)集有5個軌跡聚類中心，聚類效果如圖7所示。圖7中的實線為該軌跡聚類簇的軌跡運動趨勢。從聚類效果圖看，在無噪聲干擾的情況下，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)集的聚類簇的個數(shù)為5，圖10的斜率變化趨勢圖同樣可以證明該結(jié)論。·011·海軍工程大學(xué)學(xué)報第31卷

【參考文獻】：
期刊論文
[1]基于軌跡聚類的運動趨勢分析[J]. 何愛林,周德超,陳萍,孫洋.  海軍工程大學(xué)學(xué)報. 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. 2011(09)



本文編號：2987043