《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 其他 > 設(shè)計(jì)應(yīng)用 > 基于ST DBSCAN的航跡聚類實(shí)現(xiàn)
基于ST DBSCAN的航跡聚類實(shí)現(xiàn)
2022年電子技術(shù)應(yīng)用第5期
朱瑜亮
中國(guó)電科集團(tuán)第十研究所，四川 成都610036
摘要： 針對(duì)現(xiàn)有飛行目標(biāo)的航跡聚類算法的不足，提出的一種可對(duì)任意形狀的航跡聚類，且不需提前劃分聚類目標(biāo)個(gè)數(shù)，可解決時(shí)空域航跡數(shù)據(jù)的聚類方法。通過(guò)航跡信息中的空間坐標(biāo)以及時(shí)間信息，掃描選取航跡數(shù)據(jù)中的任意未標(biāo)記點(diǎn)，進(jìn)行時(shí)間域上的鄰近點(diǎn)掃描，再對(duì)時(shí)間鄰域內(nèi)的點(diǎn)進(jìn)行空間域掃描，通過(guò)時(shí)空域內(nèi)鄰近點(diǎn)跡的數(shù)量將相同目標(biāo)的航跡形成簇，并通過(guò)數(shù)據(jù)仿真驗(yàn)證本聚類方法的有效性。
中圖分類號(hào)： TN95
文獻(xiàn)標(biāo)識(shí)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(shí)現(xiàn)[J].電子技術(shù)應(yīng)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.
Implementation of track clustering based on ST DBSCAN
Zhu Yuliang
The 10th Research Institute of CETC，Chengdu 610036，China
Abstract： Aiming at the shortcomings of existing track clustering algorithms for flying targets, a clustering method for track data in space-time domain is proposed, which can cluster tracks of arbitrary shape without dividing the number of clustering targets in advance. Through the spatial coordinates and time information in the track information,it scans and selects any unmarked points in the track data, scan the proximity points in the time domain, and then scans the points in the time neighborhood in the space domain. Cluster the tracks of the same target through the number of proximity points in the space-time domain, and verify the effectiveness of this clustering method through data simulation.
Key words : air target；track clustering；ST DBSCAN；simulation；clustering parameters

0 引言

    航跡聚類是航跡數(shù)據(jù)分析中的一個(gè)重點(diǎn)，通過(guò)對(duì)記錄或?qū)崟r(shí)的航跡數(shù)據(jù)的聚類分析，可以獲得不同空中目標(biāo)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(biāo)態(tài)勢(shì)，對(duì)空情進(jìn)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(duì)空間中K個(gè)點(diǎn)為中心進(jìn)行聚類，對(duì)最靠近中心點(diǎn)的對(duì)象歸類，并迭代中心點(diǎn)位置的K-means算法。K-means算法可對(duì)圓形或球狀的聚類數(shù)據(jù)進(jìn)行處理，但無(wú)法處理任意形狀的數(shù)據(jù)簇聚類，且需要事先人工設(shè)置聚類類別數(shù)K，聚類結(jié)果也受起始中心點(diǎn)設(shè)置的影響。

    也有基于網(wǎng)格的移動(dòng)對(duì)象處理算法，將時(shí)空域劃分為網(wǎng)格，把航跡數(shù)據(jù)點(diǎn)劃分到不同網(wǎng)格內(nèi)可解決航跡點(diǎn)本身的定位誤差，再將鄰域密度高于門(mén)限的網(wǎng)格連接成簇進(jìn)行聚類。但對(duì)密度不均勻、密度差異大的數(shù)據(jù)集聚類效果不好，門(mén)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(guò)統(tǒng)計(jì)點(diǎn)跡數(shù)據(jù)集內(nèi)任意點(diǎn)鄰域內(nèi)鄰近點(diǎn)的數(shù)量，不斷向鄰域擴(kuò)張聚合為簇，直到遍歷所有點(diǎn)完成聚類。同樣可發(fā)現(xiàn)任意形狀的數(shù)據(jù)聚類，但對(duì)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(shí)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(diǎn)和優(yōu)點(diǎn)又增加了從時(shí)間域?qū)δ繕?biāo)數(shù)據(jù)集的掃描。




本文詳細(xì)內(nèi)容請(qǐng)下載：http://ihrv.cn/resource/share/2000004291。




作者信息：

朱瑜亮

(中國(guó)電科集團(tuán)第十研究所，四川 成都610036)





wd.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。