【技术实现步骤摘要】
本专利技术涉及雷达接闪，具体的说是一种针对轨迹聚类的粒度自适应迭代黑盒对抗攻击方法。
技术介绍
1、轨迹聚类根据轨迹数据特征的相似度将其归类到若干聚类簇，聚类为同一簇中的轨迹具有较高的相似程度，该任务是热点区域检测、旅游推荐、空域监管等轨迹分析与数据挖掘任务的基础。目前主流轨迹聚类方法分为非学习方法和基于深度表示学习的方法。传统的非学习轨迹聚类方法依赖成对点匹配算法计算轨迹之间的相似性，但由于实际生产生活中的无线通信定位设备干扰、gps定位误差，采集到的轨迹原始数据通常存在非恶性波动；同时现实世界轨迹数据的采样率通常为非均匀的，例如出租车司机会为了降低功耗灵活改变驾驶速度、城市复杂路况与拥堵，或者不同的个人驾驶习惯，都会改变出租车的轨迹采样率。上述实际问题给传统的非学习轨迹聚类算法带来了巨大挑战，有时两条不同采样率的轨迹即使位于相同的路线也会被识别为不相似轨迹。此外，传统的非学习轨迹聚类算法不能很好捕捉轨迹的时空信息。受制于传统的非学习轨迹聚类算法的低鲁棒性，最近许多研究者将深度神经网络应用于轨迹聚类任务。深度轨迹聚类模型挖掘轨迹数据的...
【技术保护点】
1.一种针对轨迹聚类的粒度自适应迭代黑盒对抗攻击方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种针对轨迹聚类的粒度自适应迭代黑盒对抗攻击方法，其特征在于，所述步骤S100包括以下步骤：
3.根据权利要求1所述的一种针对轨迹聚类的粒度自适应迭代黑盒对抗攻击方法，其特征在于，所述步骤S200包括以下步骤：
4.根据权利要求3所述的一种针对轨迹聚类的粒度自适应迭代黑盒对抗攻击方法，其特征在于，在步骤S210中，网络模型可以为t2vec，E2DTC，DTC，DSTC。
5.根据权利要求3所述的一种针对轨迹聚类的粒度...
【技术特征摘要】
1.一种针对轨迹聚类的粒度自适应迭代黑盒对抗攻击方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种针对轨迹聚类的粒度自适应迭代黑盒对抗攻击方法，其特征在于，所述步骤s100包括以下步骤：
3.根据权利要求1所述的一种针对轨迹聚类的粒度自适应迭代黑盒对抗攻击方法，其特征在于，所述步骤s200包括以下步骤：
4.根据权利要求3所述的一种针对轨迹聚类的粒度自适应迭代黑盒对抗攻击方法，其特征在于，在步骤s210中，网络模型可以为t2vec，e2dtc，dtc，dstc。
5.根据权利要求3所述的一种针对轨迹聚类的粒度自适应迭代黑盒对抗攻击方...
【专利技术属性】
技术研发人员：白光耀，陈冠希，石磊，石育澄，高宇飞，刘成明，孙晓乐，夏伯成，谷晶中，姚金龙，陈艺丹，
申请(专利权)人：郑州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。