买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：李炎炎;俞晓红;罗宗平

摘要：本发明属于车辆、船舶等移动目标轨迹的模式识别技术领域，具体涉及一种移动目标轨迹密度空间聚类超参数的自适性取值算法。提出的算法，属于采用DBSCAN密度空间聚类法对多移动目标运动轨迹进行聚类时，其邻域距离阈值和邻域密度阈值这两个参数的自适性取值算法流程。本发明所提出的核心技术点在于，对于多移动目标的轨迹样本，首先计算样本中两两轨迹之间的距离集合，并利用K‑means对距离集合进行初始聚类，可获得距离集合的K个类，然后计算所有K个类中的最小均值，进而把最小均值的整数作为邻域距离阈值的取值，然后利用这个取值剔除K个类中大于取值的距离样本及对应的轨迹样本，并以新的轨迹样本数的1K作为邻域密度阈值，最后采用DBSCAN算法对K个类进行聚类，可以获得收敛的聚类结果。由于邻域距离阈值和邻域密度阈值是通过算法自主获得的，因而其取值是自适性，无需凭借经验或人工尝试来设置。

主权项：1.移动目标轨迹密度空间聚类超参数的自适性取值算法，属于针对多移动目标运动轨迹聚类的算法流程，其特征包括以下步骤：1对于车辆的运动轨迹样本A，按附图1的采样方式，获得两两轨迹之间的距离集D；2采用K-means算法对集合D进行初始聚类，得获K个分类；3通过如下算法计算每个类中的距离均值Mui及最小均值Mu-min Mu-min＝MINMu1，Mu2，…，MuK2式中是通过排列组合计算距离样本数的算式： 4把最小均值Mu-min取整，并作为K个类中的邻域距离阈值：eps＝INTMu-min45以eps为基准，剔除K个类中大于eps的样本，并剔除集合A中对应的轨迹样本，把K个类中新的距离样本数记为Numi|i＝1，…，K，把新的轨迹集合A*的样本数记为N*；6当集合A的轨迹样本足够多时，K个类的密度将趋同一致，则可认为所有K个类的距离样本数Numi相等，于是可得：Numi＝N*K57把N*K作为邻域密度阈值，即有：Minpts＝N*K68把公式4作为邻域距离阈值，把公式6作为邻域密度阈值，采用DBSCAN算法对K个类中的任何一个类进行聚类，便可获得如附图3的收敛聚类结果。

全文数据：

权利要求：

百度查询： 李炎炎 俞晓红 罗宗平 移动目标轨迹密度空间聚类超参数的自适性取值算法