基于多维航迹聚类的目标行为规律挖掘方法技术

本发明专利技术公开了一种基于多维航迹聚类的目标行为规律挖掘方法，所述方法包括：步骤1，设置目标的属性和类型标签；步骤2，计算目标航迹间的相似性度量；步骤3，选取每条航迹的近邻航迹；步骤4，把当前核心航迹分配到簇中；步骤5，把当前核心航迹的近邻中不属于其他簇的航迹分配的当前簇中；步骤6，把当前核心航迹的近邻中分配到当前簇的航迹中的核心航迹添加到当前核心航迹的近邻中；步骤7，重复步骤4，5，6；步骤8，设置目标行为规律编标签；步骤9，将目标行为规律可视化。该方法充分利用目标的属性、类型、位置、速度和航向信息，参数设置简单，准确率高，工程易实现，在模式识别和智能情报处理领域有广阔的应用前景。

【技术实现步骤摘要】

本专利技术涉及数据挖掘中的聚类分析技术和信息融合中的高层融合技术，属于模式识别和智能情报处理领域。
技术介绍
随着目标探测手段的不断丰富和多传感器信息融合技术的不断完善，各种各样的目标被检测、跟踪和识别，乃至形成连续稳定的目标航迹。海量的目标航迹数据在各种目标情报处理系统、预警监视系统、航行管制系统和视频监控系统中存储和积累，这些航迹数据中蕴含着大量的信息和知识。数据挖掘技术依靠跨学科的特点已经在各个领域得到了广泛应用，轨迹数据挖掘技术也成为数据挖掘领域的一个热点。在信息融合领域，基于电子信息系统中积累的大量历史航迹数据，利用数据挖掘技术中的无监督聚类技术，可以通过挖掘目标的多维特征来发现目标的行为规律，进而对其行为和意图进行分析和预测，这对于目标任务分类、异常情报检测、态势评估和指挥决策都具有非常重要的意义。通过对目标航迹进行聚类分析，可以挖掘目标的行为规律。现有目标航迹聚类方法没有充分利用目标的属性、类型、位置、速度和航向等多维特征，只能反映目标空间位置变化的规律，在挖掘目标行为规律时具有局限性。
技术实现思路
本专利技术针对现有目标航迹聚类方法的局限性，提供了一种基于多维航迹聚类本文档来自技高网...

【技术保护点】
一种基于多维航迹聚类的目标行为规律挖掘方法，其特征在于，包括以下步骤：步骤1，设置目标的属性和类型标签；步骤2，利用多维航迹数据中的位置、速度和航向信息，计算目标航迹间的相似性度量，并存放在距离矩阵M中；步骤3，输入近邻阈值ε，计算每条航迹TRi的ε近邻Nε(TRi)；步骤4，设置簇号clusterId＝1，输入最小近邻航迹数量MinTRs，从目标航迹数据库TD中随意选取一条航迹TRi，如果航迹TRi的ε近邻数量|Nε(TRi)|≥MinTRs，则该航迹为核心航迹，把它分配到簇CclusterId中；步骤5，判断当前核心航迹的ε近邻Nε(TRi)中的航迹属不属于其他簇，将不属于其他簇的航迹分配...

【技术特征摘要】
1.一种基于多维航迹聚类的目标行为规律挖掘方法，其特征在于，包括以下步骤：步骤1，设置目标的属性和类型标签；步骤2，利用多维航迹数据中的位置、速度和航向信息，计算目标航迹间的相似性度量，并存放在距离矩阵M中；步骤3，输入近邻阈值ε，计算每条航迹TRi的ε近邻Nε(TRi)；步骤4，设置簇号clusterId＝1，输入最小近邻航迹数量MinTRs，从目标航迹数据库TD中随意选取一条航迹TRi，如果航迹TRi的ε近邻数量|Nε(TRi)|≥MinTRs，则该航迹为核心航迹，把它分配到簇CclusterId中；步骤5，判断当前核心航迹的ε近邻Nε(TRi)中的航迹属不属于其他簇，将不属于其他簇的航迹分配到簇CclusterId中；步骤6，判断当前核心航迹的ε近邻Nε(TRi)中分配到簇CclusterId中的航迹是不是核心航迹，如果是核心航迹，则把它添加到Nε(TRi)中；步骤7，重复步骤5和步骤6，直到CclusterId不能再扩展，然后，令CclusterId＝CclusterId+1，选择另外一条未分配到簇中的目标航迹进行步骤4，步骤5和步骤6，以此类推，直到C...

【专利技术属性】
技术研发人员：潘新龙，何友，王海鹏，熊伟，刘瑜，夏沭涛，彭煊，周伟，
申请(专利权)人：中国人民解放军海军航空工程学院，
类型：发明
国别省市：山东;37