【摘要】：針對典型密度聚類(DBSCAN)受參數(shù)影響較大和數(shù)學(xué)形態(tài)學(xué)聚類(MMC)需大量人工干預(yù)的問題,將DBSCAN與改進(jìn)的MMC相結(jié)合,提出面向駕駛員注視點(diǎn)離散、注視集中區(qū)域不規(guī)則特點(diǎn)的DBSCAN-MMC聚類方法.實(shí)例驗(yàn)證結(jié)果表明,該方法充分利用DBSCAN和MMC的不規(guī)則形狀聚類優(yōu)勢并較好地彌補(bǔ)2種聚類方法的缺陷.通過比較證明DBSCAN-MMC在進(jìn)行駕駛員注視區(qū)域劃分時(shí)聚類效果優(yōu)于常規(guī)K-means聚類方法和DBSCAN聚類方法,提高駕駛員注視區(qū)域劃分質(zhì)量.
【圖文】：

２．２ＤＢＳＣＡＮ－ＭＭＣ方法步驟為解決上述問題，提出密度方法與數(shù)學(xué)形態(tài)學(xué)方法相結(jié)合的自適應(yīng)ＤＢＳＣＡＮ－ＭＭＣ方法．方法首先使用結(jié)構(gòu)參數(shù)設(shè)置ｒＥ的取值，，通過ＤＢＳＣＡＮ得到ＭＭＣ聚類的初始點(diǎn)集并確定聚類數(shù)目；使用自適應(yīng)的ＭＭＣ聚類減少ＤＢＳＣＡＮ聚類產(chǎn)生的離群點(diǎn)，并最終完成面向駕駛員注視區(qū)域的劃分．具體步驟如下．１）設(shè)注視點(diǎn)在注視區(qū)域內(nèi)均勻分布，則以每一注視點(diǎn)為圓心的圓直徑（如圖１所示）即為ＤＢ－ＳＣＡＮ的鄰域搜索半徑，按式（１）求得ｒＥ，設(shè)置ＤＢ－ＳＣＡＮ鄰域最少對象數(shù)ＭＰ＝３．根據(jù)鄰域搜索半徑，設(shè)置圓形結(jié)構(gòu)元初始半徑ｒｏｒｉ＝ｒＥ／２，設(shè)置較小的半徑擴(kuò)展步長和結(jié)構(gòu)元半徑上限以降低相近區(qū)域的邊界劃分生硬的概率，即半徑擴(kuò)展步長ｒｓｔ＝ｒＥ／１０，結(jié)構(gòu)元半徑上限ｒｕｐ＝５ｒＥ．ｒＥ＝ｌ·ｈi幔悖紓ǎ保┦街校海煳⑹憂虺ざ齲櫛⑹憂蚋叨齲�？~⑹擁閌浚跡彼閹靼刖妒疽饌跡疲椋紓保櫻悖瑁澹恚幔簦椋悖洌椋幔紓潁幔恚錚媯螅澹幔潁悖瑁潁幔洌椋酰螅玻┒宰⑹擁閌藎牽錚潁榻謝冢模攏櫻茫粒蔚木劾啵誦畝韻螅牽悖錚羆次菔輝弊⑹蛹械那潁槔嗟氖浚胱魑鈧站劾嗍�；３）以注视集中区裤ｅP釵跏嫉悖牽停停媒性殘謂峁乖刖叮潁劍潁錚潁櫚男翁蛘�，生抽Wㄇ某跏甲⑹擁憒兀牽保鍬家馴換槿肓ㄇ淖⑹擁閌浚茫�；４）揖壼ｎ－Ｘ愇紦潢Y米⑹擁憒兀牽睿蔽冢畬危停停玫某跏嫉�，�

本文編號：2667791