文獻標識碼: 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.
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,,且需要事先人工設置聚類類別數(shù)K,聚類結(jié)果也受起始中心點設置的影響,。
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繕藬?shù)據(jù)集的掃描。
本文詳細內(nèi)容請下載:http://forexkbc.com/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)