基于决策图的轨迹运动趋势提取

发布时间：2021-01-19 13:06

　　在军事应用中,为了提取群体目标的整体运动趋势,提出了一种基于决策图的轨迹聚类来提取轨迹运动趋势的方法。该方法不需要预设参数,且聚类中心的个数既可以通过决策图人工确定,又可以通过数值检测策略自动确定,由此减轻了算法对领域知识的依赖,增强了算法的适用性。仿真实验表明:该方法能正确确定轨迹聚类簇,且对轨迹噪声有一定的抑制作用。 

【文章来源】：海军工程大学学报. 2019,31(01)北大核心

【文章页数】：6 页

【部分图文】：

合成数据轨迹分布图Fig．1Illustrationofsyntheticdata

图1合成数据轨迹分布图Fig．1Illustrationofsyntheticdata图2合成数据分段后的轨迹分布图Fig．2Trajectoryafterpartitioningofsyntheticdata图3熵(Entroy)随dc的变化曲线Fig．3Variationofentropyvs．dc图4局部熵随dc的变化曲线Fig．4Localvariationofentroyvs．dc在确定最优dc后，按定义1和定义2求得轨迹势、delt-距离后，可画出如图5所示决策图。由图5可见，第5个和第6个数据点之间出现一个阶跃，且从第6个数据点开始γ无明显变化，故该数据集有5个聚类簇。利用本文的数值检测策略，得到如图6所示斜率比的变化趋势图。在图6中，第5个数据点的两个连续斜率之间的比值达到最大，即该轨迹数据集有5个轨迹聚类中心，聚类效果如图7所示。图7中的实线为该轨迹聚类簇的轨迹运动趋势。从聚类效果图看，在无噪声干扰的情况下，聚类簇被正确确定。图5合成数据的决策图Fig．5Decisiongraphofsyntheticdata图6斜率比的变化趋势Fig．6Variationofratioofslope图7聚类效果图Fig．7Illustrationofclusteringresult2．2带噪声数据的轨迹聚类将合成数据集添加20%随机噪声后的数据效果如图8所示。该带噪声数据的决策图如图9所示。由图9依然可以清晰看出，带噪声数据集的聚类簇的个数为5，图10的斜率变化趋势图同样可以证明该结论。·011·海军工程大学学报第31卷

图1合成数据轨迹分布图Fig．1Illustrationofsyntheticdata图2合成数据分段后的轨迹分布图Fig．2Trajectoryafterpartitioningofsyntheticdata图3熵(Entroy)随dc的变化曲线Fig．3Variationofentropyvs．dc图4局部熵随dc的变化曲线Fig．4Localvariationofentroyvs．dc在确定最优dc后，按定义1和定义2求得轨迹势、delt-距离后，可画出如图5所示决策图。由图5可见，第5个和第6个数据点之间出现一个阶跃，且从第6个数据点开始γ无明显变化，故该数据集有5个聚类簇。利用本文的数值检测策略，得到如图6所示斜率比的变化趋势图。在图6中，第5个数据点的两个连续斜率之间的比值达到最大，即该轨迹数据集有5个轨迹聚类中心，聚类效果如图7所示。图7中的实线为该轨迹聚类簇的轨迹运动趋势。从聚类效果图看，在无噪声干扰的情况下，聚类簇被正确确定。图5合成数据的决策图Fig．5Decisiongraphofsyntheticdata图6斜率比的变化趋势Fig．6Variationofratioofslope图7聚类效果图Fig．7Illustrationofclusteringresult2．2带噪声数据的轨迹聚类将合成数据集添加20%随机噪声后的数据效果如图8所示。该带噪声数据的决策图如图9所示。由图9依然可以清晰看出，带噪声数据集的聚类簇的个数为5，图10的斜率变化趋势图同样可以证明该结论。·011·海军工程大学学报第31卷

【参考文献】：
期刊论文
[1]基于轨迹聚类的运动趋势分析[J]. 何爱林,周德超,陈萍,孙洋.  海军工程大学学报. 2017(05)
[2]基于结构相似度的轨迹聚类算法[J]. 袁冠,夏士雄,张磊,周勇.  通信学报. 2011(09)



本文编号：2987043