CN119418083A 参数自适应空间多目标航迹关联方法、装置、设备及介质 (中国科学院国家天文台)_第1页
CN119418083A 参数自适应空间多目标航迹关联方法、装置、设备及介质 (中国科学院国家天文台)_第2页
CN119418083A 参数自适应空间多目标航迹关联方法、装置、设备及介质 (中国科学院国家天文台)_第3页
CN119418083A 参数自适应空间多目标航迹关联方法、装置、设备及介质 (中国科学院国家天文台)_第4页
CN119418083A 参数自适应空间多目标航迹关联方法、装置、设备及介质 (中国科学院国家天文台)_第5页
已阅读5页,还剩28页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

参数自适应空间多目标航迹关联方法、装本发明提供了一种参数自适应空间多目标聚类算法需要人为干预聚类参数的确定而无法与其距离第k近的对象之间的距离关系特征;根的对象进行关联,得到每个目标的航迹关联弧2获取空间多目标物体的时空位置观测数据,并对所述时空位置观测数据进行预处理,根据所述数据集,提取出能够表征每一个对象与其距离第k近的对象之间的距离关系根据所述邻域半径,利用预先训练好的密度聚类模型,识别出所述2.根据权利要求1所述的方法,其特征在于,所述对所述时空位置观测数据进行预处对数据缺失值处理后的时空位置观测数据进行数据异对数据异常值处理后的时空位置观测数据进行标提取出每一个对象与其它对象之间的欧式距离,其中,所述欧式距离所述k距离曲线上的任意一点表征该点与其距离第k近的对Distnn={dist(i,j)lie[1,n],je[1,n]}提取所述k距离曲线中拐点对应的距离,其中,从所述数据集中任意一个未访问过的对象开始,判断其在邻域半径3在所述当前簇中继续寻找未被访问过的新对象,并判断其获取模块,用于获取空间多目标物体的时空位置观测数据,其中,当所述一个或多个程序被所述一个或多个处理器执执行时使处理器执行根据权利要求1~7中4目标的主要观测模式,可以在无先验信息的前提下发现未被编目的空间碎片和近地小行间序列图像经目标检测提取得到的包含多种类型多个目标且有较强噪声的待选数据集中,度聚类算法需要人为干预聚类参数的确定而无法适用于密度可变的工程化应用的技术问5[0010]Distnn={dist(i,j)lie[1,n],je[1,n]}j之间的欧式距离,n表示数据集中的对象个数。内的所有对象的数量大于或等于预先确定的最小样本数量,将其作为核心点创立一个簇,[0016]本发明的另一方面提供了一种计算机可读存储介质,存6密度聚类模型DBSCAN(densitybasedspatialclusteringofapplicationswithnoise)作为基础理论进行航迹关联,与传统的k均值聚类算法(k_meansclustering可以实现在缺乏目标个数/聚类簇数的先验知识条件下的聚类,且算法抗干扰能力强能够[0022]图1示意性示出了根据本发明实施例的参数自适应空间多目标航迹关联方法的流[0023]图2示意性示出了根据本发明实施例的参数自适应空间多目标航迹关联方法中的[0024]图3示意性示出了根据本发明实施例的参数自适应空间多目标航迹关联方法的关[0025]图4示意性示出了根据本发明实施例的参数自适应空间多目标航迹关联装置的结[0026]图5示意性示出了根据本发明实施例的适于实现参数自适应空间多目标航迹关联7目标的主要观测模式,可以在无先验信息的前提下发现未被编目的空间碎片和近地小行聚类算法需要人为干预聚类参数的确定而无法适用于密度可变的工程化应用的技术问题。[0035]获取空间多目标物体的时空位置观测数据,并对时空位[0036]根据数据集,提取出能够表征每一个对象与其距离第k近的对象之间的距离关系[0039]本发明实施例提供的参数自适应空间多目标航迹关联方法,选用密度聚类模型8径和密度约束下的聚类过程来进行自适应簇类数目的识别,因此可以实现在缺乏目标个数/聚类簇数的先验知识条件下的聚类,且算法抗干扰能力强能够实现对假目标异常点的[0041]图1示意性示出了根据本发明实施例的参数自适应空间多目标航迹关联方法的流[0042]如图1所示,该实施例的参数自适应空间多目标航迹关联方法例如可以包括操作[0049]数据预处理在本实施例的参数自适应空间多目标航迹关联方法中具有基础性重9[0065]Distnn={dist(i,j)lie[1,n],je[1,n]}j)表示数据集中任意对象i与其他对象j[0067]最后根据该距离分布矩阵,可以生成每一个对象与其距离第k近的对象之间的距[0072]将距离分布矩阵中的距离元素进行升序排列处理,然后将排序得到的矩阵中第k以认为拐点处对应的距离,就是区分某对象和其他对象是否属于同一类目标的最佳距离。[0078]确定好邻域半径Eps的值后,则可以根据训练好的密度聚类模型对数据集进行聚[0080]密度聚类模型将核心对象定义为在给定的邻域半径Eps内包含最少样本数MinPts[0083]如果一个对象在其邻域半径Eps内至少有MinPts个对象(包括自身则[0088]响应于其在邻域半径内的所有对象的数量大于或等于预[0090]响应于其在邻域半径内的所有对象的数量大于或等于预[0092]在本实施例中,密度聚类模型根据邻域半径Eps和最少样本数MinPts两个参数进行自适应簇类数目的识别,因此可以实现在缺乏目标个数/聚类簇数的先验知识条件下的[0100]RI=(TP+TN)/(TP+FP+FN+TN)[0101]该指标RI可以度量聚类结果与标签/真实类别之间的相似程度,取值范围为[0,[0103]图2示意性示出了根据本发明实施例的参数自适应空间多目标航迹关联方法中的[0106]考虑同一弧段中关联的对象须来自于不同的观测时间,或者说提取自不同的图距离Distant(TSM2,TSMD)可以表示为:[0107]Distant(TSM,TSMb)=fr(timea,timep)·dist(i,j)[0109]在本实施例中,定义当对象TSMa与对象TSMb来源于同一时刻拍摄图像时,fTTb)=1。[0111]基于该k_dist曲线,根据肘部法提取拐点,得到最优邻域半径Eps参数取值为[0112]图3示意性示出了根据本发明实施例的参数自适应空间多目标航迹关联方法的关[0118]由表1可知,利用本发明实施例的参数自适应空间多目标航迹关联方法进行航迹[0119]图4示意性示出了根据本发明实施例的参数自适应空间多目标航迹关联装置的结[0125]关联模块450用于分别将每个簇中的对象进行关联,得到每个目标的航迹关联弧路(ASIC或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实450中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行[0129]图5示意性示出了根据本发明实施例的适于实现参数自适应空间多目标航迹关联例的方法流程的不同动作的单一处理单元或以存储在除ROM502和存储部分508以外的一个或多个存储器中。处理器501也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操505的以下部件中的一项或多项:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管其上读出的计算机程序根据需要被安装入存被安装。在该计算机程序被处理器501执行时,执行本发明实施例的系统中限定的上述功以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。[0136]例如,根据本发明的实施例,计算机可读存储介质可以包括上文描述的ROM502和/或存储部分508和/或ROM502和存储部分508以

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论