国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于多維特征的目標(biāo)行為模式在線(xiàn)分類(lèi)方法與流程

      文檔序號(hào):11952134閱讀:907來(lái)源:國(guó)知局

      本發(fā)明涉及數(shù)據(jù)挖掘中的在線(xiàn)分類(lèi)技術(shù)和信息融合中的高層融合技術(shù),屬于模式識(shí)別和智能情報(bào)處理領(lǐng)域。



      背景技術(shù):

      在預(yù)警監(jiān)視領(lǐng)域,隨著目標(biāo)探測(cè)技術(shù)和信息融合技術(shù)的不斷完善,各種各樣的目標(biāo)被檢測(cè)、跟蹤和識(shí)別,形成不斷更新的目標(biāo)航跡。大量的歷史航跡數(shù)據(jù)在預(yù)警監(jiān)視領(lǐng)域的各種目標(biāo)情報(bào)處理系統(tǒng)中存儲(chǔ)和積累。利用數(shù)據(jù)挖掘和軌跡數(shù)據(jù)挖掘中的聚類(lèi)分析技術(shù),可以把目標(biāo)航跡分為不同的類(lèi)別,從而挖掘出目標(biāo)的行為規(guī)律。目標(biāo)的行為模式是指當(dāng)前觀測(cè)目標(biāo)屬于的目標(biāo)行為規(guī)律的類(lèi)別,對(duì)于不斷更新的目標(biāo)航跡數(shù)據(jù),可以利用數(shù)據(jù)挖掘中的在線(xiàn)分類(lèi)技術(shù),將當(dāng)前目標(biāo)航跡分到對(duì)應(yīng)的類(lèi)中,實(shí)現(xiàn)對(duì)目標(biāo)行為模式的在線(xiàn)分類(lèi),這對(duì)于態(tài)勢(shì)評(píng)估、威脅估計(jì)和指揮決策都具有非常重要的意義。國(guó)內(nèi)外很多學(xué)者對(duì)軌跡分類(lèi)問(wèn)題進(jìn)行了研究,但是現(xiàn)有方法主要考慮了目標(biāo)的位置特征和形狀特征,沒(méi)有充分利用目標(biāo)的位置、速度和航向特征,而且現(xiàn)有方法主要用于離線(xiàn)分類(lèi),對(duì)于情報(bào)處理實(shí)時(shí)性要求很高的預(yù)警監(jiān)視領(lǐng)域是不能適用的。



      技術(shù)實(shí)現(xiàn)要素:

      本發(fā)明提供了一種基于多維特征的目標(biāo)行為模式在線(xiàn)分類(lèi)方法,充分利用目標(biāo)的位置、速度和航向特征,通過(guò)對(duì)多維航跡數(shù)據(jù)的在線(xiàn)學(xué)習(xí)和序貫分類(lèi),實(shí)現(xiàn)對(duì)目標(biāo)行為模式的在線(xiàn)分類(lèi)判別。具體包括以下步驟:

      步驟一:定義相關(guān)變量:

      1)需要考慮的近鄰數(shù)量k;

      2)訓(xùn)練航跡數(shù)據(jù)集其中l(wèi)1+…+lt+…+lm=l,1,2,…,m為訓(xùn)練航跡數(shù)據(jù)集中的航跡對(duì)應(yīng)的目標(biāo)的行為模式類(lèi)別標(biāo)簽,l為訓(xùn)練樣本總數(shù);

      3)多因素定向Hausdorff距離矩陣M1,M2,…,Mm,其中矩陣M1的每個(gè)元素M1i,j:i=1,…,l1,j=1,…,k表示z1i到樣本集第j近的樣本之間的多因素定向Hausdorff距離,M2,…,Mm中的每個(gè)元素同理;

      4)空的優(yōu)先序列Q1,…,Qt,…,Qm;

      5)測(cè)試航跡zl+1={x1∪x2∪…∪xL},其中xi∩xj=φ:i,j=1,…,L∧j≠i,xj為多維航跡點(diǎn);

      6)距離向量(m1,…,ml),其中mi:i=1,…,l表示zl+1到zi的多因素定向Hausdorff距離:

      7)距離向量(m'1,…,m'l),其中m'i:i=1,…,l表示zi到zl+1的多因素定向Hausdorff距離:

      8)類(lèi)別指示變量其中為對(duì)子航跡在線(xiàn)分類(lèi)得出的類(lèi)別,為對(duì)航跡{x1∪x2∪…∪xL}=zl+1在線(xiàn)分類(lèi)得出的類(lèi)別;

      步驟二:對(duì)測(cè)試航跡zl+1={x1∪x2∪…∪xL}中的子航跡{x1∪…∪xj},j=1,…,L和訓(xùn)練航跡數(shù)據(jù)集中的z1i:i=1,…,l1重復(fù)進(jìn)行如下分類(lèi)過(guò)程:

      1)計(jì)算多因素定向Hausdorff距離矩陣M1i,1,...,M1i,k-1的和,并對(duì)距離mi賦零初值;

      2)根據(jù)多因素定向Hausdorff距離的定義對(duì)mi的取值進(jìn)行更新;

      3)對(duì)Q1內(nèi)的元素進(jìn)行更新;

      4)根據(jù)多因素定向Hausdorff距離的定義對(duì)m'i的取值進(jìn)行更新;

      5)根據(jù)距離m'i與距離M1i,k的取值大小,對(duì)不一致度量α1i的取值進(jìn)行更新;

      6)從Q1中提取當(dāng)前的k個(gè)距離值,并通過(guò)對(duì)這k個(gè)距離值的求和對(duì)不一致度量的取值進(jìn)行更新;

      7)計(jì)算的取值;

      步驟三:對(duì)測(cè)試航跡zl+1={x1∪x2∪…∪xL}中的子航跡{x1∪…∪xj},j=1,…,L和訓(xùn)練航跡數(shù)據(jù)集中的zti:i=1,…,lt,2≤t≤m,用Mt替換M1,用Qt替換Q1,重復(fù)進(jìn)行如步驟二所示的分類(lèi)過(guò)程,計(jì)算的取值;

      步驟四:比較的大小,選出最大的p值則當(dāng)前子航跡{x1∪…∪xj}對(duì)應(yīng)的目標(biāo)行為模式類(lèi)別為c,即:

      步驟五:當(dāng)測(cè)試航跡zl+1的每個(gè)子航跡{x1∪…∪xj},j=1,…,L對(duì)應(yīng)的目標(biāo)行為模式都分類(lèi)完成后,輸出類(lèi)別指示變量和距離向量,查找最多的子航跡段對(duì)應(yīng)的類(lèi)別c,將zl+1添加到該類(lèi)別對(duì)應(yīng)的訓(xùn)練航跡數(shù)據(jù)集中,組成新的訓(xùn)練航跡數(shù)據(jù)集

      步驟六:對(duì)多因素定向Hausdorff距離矩陣Mc進(jìn)行更新;

      步驟七:用更新后的訓(xùn)練航跡數(shù)據(jù)集和更新后的多因素定向Hausdorff距離矩陣Mc代替原來(lái)的和Mc,對(duì)測(cè)試航跡zl+2對(duì)應(yīng)的目標(biāo)行為模式進(jìn)行在線(xiàn)分類(lèi)。

      本發(fā)明的有益效果在于:本發(fā)明提供的一種基于多維特征的目標(biāo)行為模式在分類(lèi)方法,綜合利用了目標(biāo)的位置、速度和航向特征,并且具有參數(shù)設(shè)置簡(jiǎn)單、準(zhǔn)確率高、能夠在線(xiàn)分類(lèi)的優(yōu)點(diǎn),能夠?qū)崿F(xiàn)對(duì)預(yù)警監(jiān)視領(lǐng)域目行為模式的在線(xiàn)分類(lèi)判別。

      附圖說(shuō)明

      附圖1是本發(fā)明所述的基于多維特征的目標(biāo)行為模式在線(xiàn)分類(lèi)方法的整體流程圖。

      具體實(shí)施方式

      下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施方式加以詳細(xì)說(shuō)明。

      步驟一:定義相關(guān)變量:

      1)需要考慮的近鄰數(shù)量k;

      2)訓(xùn)練航跡數(shù)據(jù)集其中l(wèi)1+…+lt+…+lm=l,1,2,…,m為訓(xùn)練航跡數(shù)據(jù)集中的航跡對(duì)應(yīng)的目標(biāo)的行為模式類(lèi)別標(biāo)簽,l為訓(xùn)練樣本總數(shù);

      3)多因素定向Hausdorff距離矩陣M1,M2,…,Mm,其中矩陣M1的每個(gè)元素M1i,j:i=1,…,l1,j=1,…,k表示z1i到樣本集第j近的樣本之間的多因素定向Hausdorff距離,M2,…,Mm中的每個(gè)元素同理,多因素定向Hausdorff距離的具體定義如下:

      (1)考慮兩個(gè)目標(biāo)的位置特征、速度特征和航向特征,兩個(gè)目標(biāo)點(diǎn)a、b之間的多因素距離定義為:

      mfdist(a,b)=wd·dist(a,b)+wv·dist(va,vb)+wθ·dist(θab) (1)

      其中va,vb表示點(diǎn)a與點(diǎn)b的速度,θa,θb表示點(diǎn)a與點(diǎn)b的航向,dist(a,b)表示點(diǎn)a與點(diǎn)b之間位置特征的歐式距離,dist(va,vb)表示點(diǎn)a與點(diǎn)b之間速度特征的歐式距離,dist(θab)表示點(diǎn)a與點(diǎn)b之間航向特征的歐式距離,wd表示位置特征的權(quán)重因子,wv表示速度特征的權(quán)重因子,wθ表示航向特征的權(quán)重因子,權(quán)重因子的取值取決于多因素距離的應(yīng)用場(chǎng)景;

      (2)基于兩個(gè)目標(biāo)點(diǎn)之間的多因素距離mfdist(a,b),目標(biāo)航跡A到目標(biāo)航跡B的多因素定向Hausdorff距離定義為:

      <mrow> <mover> <msub> <mi>&delta;</mi> <mi>M</mi> </msub> <mo>&RightArrow;</mo> </mover> <mrow> <mo>(</mo> <mi>A</mi> <mo>,</mo> <mi>B</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mi>max</mi> <mrow> <mi>a</mi> <mo>&Element;</mo> <mi>A</mi> </mrow> </munder> <mo>{</mo> <munder> <mi>min</mi> <mrow> <mi>b</mi> <mo>&Element;</mo> <mi>B</mi> </mrow> </munder> <mo>{</mo> <mi>m</mi> <mi>f</mi> <mi>d</mi> <mi>i</mi> <mi>s</mi> <mi>t</mi> <mrow> <mo>(</mo> <mi>a</mi> <mo>,</mo> <mi>b</mi> <mo>)</mo> </mrow> <mo>}</mo> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>

      A與B為兩條目標(biāo)航跡;

      4)空的優(yōu)先序列Q1,…,Qt,…,Qm;

      5)測(cè)試航跡zl+1={x1∪x2∪…∪xL},其中xi∩xj=φ:i,j=1,…,L∧j≠i,xj為多維航跡點(diǎn);

      6)距離向量(m1,…,ml),其中mi:i=1,…,l表示zl+1到zi的多因素定向Hausdorff距離:

      7)距離向量(m'1,…,m'l),其中m'i:i=1,…,l表示zi到zl+1的多因素定向Hausdorff距離:

      8)類(lèi)別指示變量其中為對(duì)子航跡在線(xiàn)分類(lèi)得出的類(lèi)別,為對(duì)航跡{x1∪x2∪…∪xL}=zl+1在線(xiàn)分類(lèi)得出的類(lèi)別;

      步驟二:對(duì)測(cè)試航跡zl+1={x1∪x2∪…∪xL}中的子航跡{x1∪…∪xj},j=1,…,L和訓(xùn)練航跡數(shù)據(jù)集中的z1i:i=1,…,l1重復(fù)進(jìn)行如下分類(lèi)過(guò)程:

      1)計(jì)算距離矩陣M1i,1,...,M1i,k-1的和并對(duì)距離mi賦零初值mi=0;

      2)根據(jù)多因素定向Hausdorff距離的定義,對(duì)mi的取值進(jìn)行更新:

      <mrow> <msub> <mi>m</mi> <mi>i</mi> </msub> <mo>=</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>{</mo> <mover> <msub> <mi>&delta;</mi> <mi>M</mi> </msub> <mo>&RightArrow;</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>j</mi> </msub> <mo>,</mo> <msub> <mi>z</mi> <mrow> <mn>1</mn> <mi>i</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mi>m</mi> <mi>i</mi> </msub> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>

      3)對(duì)Q1內(nèi)的元素進(jìn)行更新:

      如果Q1內(nèi)的元素個(gè)數(shù)小于近鄰數(shù)量k,則將當(dāng)前的mi取值插入到Q1中;如果Q1內(nèi)存有k個(gè)距離值,并且當(dāng)前的mi小于Q1中的最大距離值,則刪除Q1中的最大距離值,將當(dāng)前mi取值插入到Q1中;

      4)根據(jù)多因素定向Hausdorff距離的定義,對(duì)m'i的取值進(jìn)行更新:

      <mrow> <msub> <msup> <mi>m</mi> <mo>&prime;</mo> </msup> <mi>i</mi> </msub> <mo>=</mo> <mover> <msub> <mi>&delta;</mi> <mi>M</mi> </msub> <mo>&RightArrow;</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mrow> <mn>1</mn> <mi>i</mi> </mrow> </msub> <mo>,</mo> <mo>{</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>&cup;</mo> <mo>...</mo> <mo>&cup;</mo> <msub> <mi>x</mi> <mi>j</mi> </msub> <mo>}</mo> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>

      5)根據(jù)距離m'i與距離M1i,k的取值大小,對(duì)不一致度量α1i的取值進(jìn)行更新:

      如果:m'i<M1i,k

      α1i=vi+m'i (5)

      否則,

      α1i=vi+M1i,k (6)

      αi的具體定義為:給定一個(gè)樣本序列{z1,...,zn},代表空間Rd中的一個(gè)非空點(diǎn)集,樣本zi到集合{z1,...,zn}\zi的多因素不一致度量αi可以定義為:

      <mrow> <msub> <mi>&alpha;</mi> <mi>i</mi> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <mover> <msub> <mi>&delta;</mi> <mi>M</mi> </msub> <mo>&RightArrow;</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mi>i</mi> </msub> <mo>,</mo> <mi>N</mi> <mi>N</mi> <mo>(</mo> <mrow> <msub> <mi>z</mi> <mi>i</mi> </msub> <mo>,</mo> <mo>{</mo> <msub> <mi>z</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>z</mi> <mi>n</mi> </msub> <mo>}</mo> <mo>\</mo> <msub> <mi>z</mi> <mi>i</mi> </msub> <mo>,</mo> <mi>j</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>

      其中NN(zi,{z1,...,zn}\zi,j)∈{z1,...,zn}\zi表示根據(jù)定義的多因素定向Hausdorff距離計(jì)算得出的距離zi第j近的樣本;

      6)從Q1中提取當(dāng)前的k個(gè)距離值,對(duì)不一致度量的取值進(jìn)行更新:

      <mrow> <msub> <mi>&alpha;</mi> <mrow> <mn>1</mn> <mrow> <mo>(</mo> <msub> <mi>l</mi> <mn>1</mn> </msub> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </msub> <mo>=</mo> <mi>s</mi> <mi>u</mi> <mi>m</mi> <mo>{</mo> <msubsup> <mi>m</mi> <mn>1</mn> <mo>*</mo> </msubsup> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msubsup> <mi>m</mi> <mi>k</mi> <mo>*</mo> </msubsup> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>

      7)計(jì)算取值:

      <mrow> <msub> <mi>p</mi> <mrow> <mn>1</mn> <mrow> <mo>(</mo> <msub> <mi>l</mi> <mn>1</mn> </msub> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <mo>|</mo> <mo>{</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>l</mi> <mn>1</mn> </msub> <mo>+</mo> <mn>1</mn> <mo>:</mo> <msub> <mi>&alpha;</mi> <mrow> <mn>1</mn> <mi>i</mi> </mrow> </msub> <mo>&GreaterEqual;</mo> <msub> <mi>&alpha;</mi> <mrow> <mn>1</mn> <mrow> <mo>(</mo> <msub> <mi>l</mi> <mn>1</mn> </msub> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </msub> <mo>}</mo> <mo>|</mo> </mrow> <mrow> <msub> <mi>l</mi> <mn>1</mn> </msub> <mo>+</mo> <mn>1</mn> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>

      表示集合中元素的數(shù)量。

      步驟三:對(duì)測(cè)試航跡zl+1={x1∪x2∪…∪xL}中的子航跡{x1∪…∪xj},j=1,…,L和訓(xùn)練航跡數(shù)據(jù)集2≤t≤m中的zti:i=1,…,lt,用Mt替換M1,用Qt替換Q1,重復(fù)進(jìn)行如步驟二所示的分類(lèi)過(guò)程,計(jì)算的取值;

      步驟四:比較的大小,選出最大的p值則當(dāng)前子航跡{x1∪…∪xj}對(duì)應(yīng)的目標(biāo)行為模式類(lèi)別為c,即:

      步驟五:當(dāng)測(cè)試航跡zl+1的每個(gè)子航跡{x1∪…∪xj},j=1,…,L對(duì)應(yīng)的目標(biāo)行為模式都分類(lèi)完成后,輸出類(lèi)別指示變量和距離向量,查找最多的多維航跡點(diǎn)對(duì)應(yīng)的類(lèi)別c,將zl+1添加到該類(lèi)別對(duì)應(yīng)的訓(xùn)練航跡數(shù)據(jù)集中,組成新的訓(xùn)練航跡數(shù)據(jù)集

      步驟六:對(duì)多因素定向Hausdorff距離矩陣Mc進(jìn)行更新:

      1)多因素定向Hausdorff距離矩陣Mc的第1行到第lc行,根據(jù)距離向量(m'1,…,m'lc)進(jìn)行更新;

      2)將輸出的距離向量作為最后一行增加到多因素定向Hausdorff距離矩陣Mc中。

      步驟七:用更新后的訓(xùn)練航跡數(shù)據(jù)集和更新后的多因素定向Hausdorff距離矩陣Mc代替原來(lái)的和Mc,對(duì)測(cè)試航跡zl+2對(duì)應(yīng)的目標(biāo)行為模式進(jìn)行在線(xiàn)分類(lèi)。

      當(dāng)前第1頁(yè)1 2 3 
      網(wǎng)友詢(xún)問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1