期刊文献+
共找到121篇文章
< 1 2 7 >
每页显示 20 50 100
基于改进欧式距离聚类中心的ICP点云配准方法 被引量:3
1
作者 喻俊楠 吴学群 赵辉友 《激光与红外》 CAS CSCD 北大核心 2024年第10期1541-1546,共6页
针对传统点云配准方法易受到噪点、离群值和重叠度的影响,造成配准精度低和效率低等缺点,提出了一种利用信息熵改进的欧式距离聚类中心点的方法来完成点云配准。首先对两片点云进行体素格网下采样,加快后续处理效率,不同于欧式聚类直接... 针对传统点云配准方法易受到噪点、离群值和重叠度的影响,造成配准精度低和效率低等缺点,提出了一种利用信息熵改进的欧式距离聚类中心点的方法来完成点云配准。首先对两片点云进行体素格网下采样,加快后续处理效率,不同于欧式聚类直接利用距离聚类,先计算点的特征值,根据特征向量求得的信息熵,利用特征向量来选取聚类,再提取出各类别的中心关键点,后使用KD-tree算法进行点对的搜索和对应,结合对应点对的位置信息估计出初始变换矩阵,作为精配准的输入矩阵,为后续精配准提供良好的初始位姿;最后采用双向KD-tree改进的点到面ICP算法进行精确配准。选用了长约300 m的道路点云数据进行实验,与四种方法在重叠度为10%时进行比较,结果表明算法的RMSE为0.074 m,总体配准过程消耗时长为30.256 s,比四种算法的配准精度和效率更高。 展开更多
关键词 云配准 欧式 信息熵 特征向量 中心关键 到面ICP
在线阅读 下载PDF
基于最优划分的K-Means初始聚类中心选取算法 被引量:62
2
作者 张健沛 杨悦 +1 位作者 杨静 张泽宝 《系统仿真学报》 CAS CSCD 北大核心 2009年第9期2586-2590,共5页
针对传统K-Means算法聚类过程中,聚类数目k值难以准确预设和随机选取初始聚类中心造成聚类精度及效率降低等问题,提出一种基于最优划分的K-Means初始聚类中心选取算法,该算法利用直方图方法将数据样本空间进行最优划分,依据数据样本自... 针对传统K-Means算法聚类过程中,聚类数目k值难以准确预设和随机选取初始聚类中心造成聚类精度及效率降低等问题,提出一种基于最优划分的K-Means初始聚类中心选取算法,该算法利用直方图方法将数据样本空间进行最优划分,依据数据样本自身分布特点确定K-Means算法的初始聚类中心,无需预设k值,减少了算法结果对参数的依赖,提高算法运算效率及准确率。实验结果表明,利用该算法改进的K-Means算法,运算时间明显减少,其聚类结果准确率以及算法效率均得到显著提高。 展开更多
关键词 K—Means算法 初始中心 直方图 最优划分方法
在线阅读 下载PDF
基于邻域的K中心点聚类算法 被引量:32
3
作者 谢娟英 郭文娟 谢维信 《陕西师范大学学报(自然科学版)》 CAS CSCD 北大核心 2012年第4期16-22,共7页
提出一种基于邻域的K中心点聚类算法,该算法利用数据集样本的自然分布信息定义数据对象的邻域半径和相应邻域,选择位于样本分布密集区且相距较远的K个数据对象作为初始聚类中心,以期改进快速K中心点算法在选取初始中心点时有可能使多个... 提出一种基于邻域的K中心点聚类算法,该算法利用数据集样本的自然分布信息定义数据对象的邻域半径和相应邻域,选择位于样本分布密集区且相距较远的K个数据对象作为初始聚类中心,以期改进快速K中心点算法在选取初始中心点时有可能使多个初始中心位于同一类簇的潜在缺陷.通过UCI机器学习数据库数据集以及随机生成的带有噪音点的人工模拟数据集实验测试,表明提出的基于邻域的K中心点算法不仅具有很好的聚类效果,而且运行时间短,对噪音数据有很强的抗干扰性能,优于传统K中心点算法和Park等人的快速K中心点算法. 展开更多
关键词 邻域 K中心算法 样本密度 样本空间分布
在线阅读 下载PDF
一种基于簇中心点自动选择策略的密度峰值聚类算法 被引量:47
4
作者 马春来 单洪 马涛 《计算机科学》 CSCD 北大核心 2016年第7期255-258,280,共5页
针对基于密度峰值的聚类算法(CFSFDP)无法自行选择簇中心点的问题,提出了CFSFDP改进算法。该算法采用簇中心点自动选择策略,根据簇中心权值的变化趋势搜索"拐点",并以"拐点"之前的一组点作为各簇中心,这一策略有效... 针对基于密度峰值的聚类算法(CFSFDP)无法自行选择簇中心点的问题,提出了CFSFDP改进算法。该算法采用簇中心点自动选择策略,根据簇中心权值的变化趋势搜索"拐点",并以"拐点"之前的一组点作为各簇中心,这一策略有效避免了通过决策图判决簇中心的方法所带来的误差。仿真实验采用5类数据集,并与DBSCAN及CFSFDP算法进行了对比,结果表明,CFSFDP改进算法具有较高的准确度及较强的鲁棒性,适用于较低维度的数据的聚类分析。 展开更多
关键词 DBSCAN 密度峰值 中心
在线阅读 下载PDF
基于免疫—中心点聚类算法的无功电压控制分区 被引量:36
5
作者 熊虎岗 程浩忠 孔涛 《电力系统自动化》 EI CSCD 北大核心 2007年第2期22-26,共5页
针对传统分区方法电气距离定义的缺点,提出一种新的电气距离即空间电气距离。依据系统中各节点之间无功电压变化关系,将系统各节点映射到一个多维空间中,节点之间的空间距离便是其电气距离,依据此距离将各节点进行归类,从而把无功电压... 针对传统分区方法电气距离定义的缺点,提出一种新的电气距离即空间电气距离。依据系统中各节点之间无功电压变化关系,将系统各节点映射到一个多维空间中,节点之间的空间距离便是其电气距离,依据此距离将各节点进行归类,从而把无功电压控制分区问题转化为数学上的空间聚类问题。针对无功电压控制分区的特点并借鉴聚类算法,提出免疫—中心点聚类的无功电压控制分区算法并将其运用于IEEE118节点系统,对分区结果进行分析并与其他算法结果比较,验证所提出的算法的准确性和可行性。 展开更多
关键词 无功电压控制分区 空间电气距离 免疫-中心算法 电力系统
在线阅读 下载PDF
基于K-中心点聚类的模糊航迹关联算法 被引量:6
6
作者 白浩 赵凯 +1 位作者 王越 薄拾 《计算机应用》 CSCD 北大核心 2015年第A01期310-312,共3页
为提高目标航迹相交和近距平行状态时航迹关联的正确率,提出了一种基于K-中心点聚类的模糊航迹关联算法。该算法基于K-中心点聚类算法,将系统航迹作为聚类中心,采用局部航迹与系统航迹关联的策略,为描述航迹间的相似性,采用模糊分析方法... 为提高目标航迹相交和近距平行状态时航迹关联的正确率,提出了一种基于K-中心点聚类的模糊航迹关联算法。该算法基于K-中心点聚类算法,将系统航迹作为聚类中心,采用局部航迹与系统航迹关联的策略,为描述航迹间的相似性,采用模糊分析方法,综合考虑各个因素的影响,构造模糊关联矩阵,并利用历史信息和先验知识进行航迹关联。仿真表明该算法在航迹相交状态下,相交时刻关联正确率比K-medoids聚类算法提高5%左右,近距平行状态下关联正确率的收敛速度优于K-medoids聚类算法。 展开更多
关键词 航迹关联 系统航迹 K-中心 模糊分析
在线阅读 下载PDF
分布式密度和中心点数据流聚类算法的研究 被引量:7
7
作者 高宏宾 侯杰 刘劲飞 《计算机应用与软件》 CSCD 北大核心 2013年第10期181-184,共4页
分析分布式数据流聚类算法的基本框架结构,针对CluStream算法对非球形聚类效果不佳提出一种基于密度和中心点的分布式数据流聚类算法DDCS-Clustering(Distributed Density and Centers Stream Clustering)。该算法应用密度、中心点与衰... 分析分布式数据流聚类算法的基本框架结构,针对CluStream算法对非球形聚类效果不佳提出一种基于密度和中心点的分布式数据流聚类算法DDCS-Clustering(Distributed Density and Centers Stream Clustering)。该算法应用密度、中心点与衰减时间窗口,在分布式环境下对数据流进行聚类。实验结果表明,DDCS-Clustering算法具有较高的聚类质量与较低的通信代价。 展开更多
关键词 密度 中心 分布式 数据流
在线阅读 下载PDF
一种基于区域中心点的聚类算法 被引量:5
8
作者 范敏 李泽明 石欣 《计算机工程与科学》 CSCD 北大核心 2014年第9期1817-1822,共6页
聚类是数据挖掘领域中一个重要的分析手段。在基于密度的聚类算法DBSCAN的基础上,针对算法对输入参数较为敏感,以及对多密度层次数据集聚类质量不高的问题,提出了一种改进的基于区域中心点的密度聚类算法。该算法将不同密度层次的簇视... 聚类是数据挖掘领域中一个重要的分析手段。在基于密度的聚类算法DBSCAN的基础上,针对算法对输入参数较为敏感,以及对多密度层次数据集聚类质量不高的问题,提出了一种改进的基于区域中心点的密度聚类算法。该算法将不同密度层次的簇视为不同的区域,并基于区域中心点(区域密度最大的点)开始扩展其规模,直至达到由密度比例因子决定的区域边缘。为提高聚类准确率,在簇的扩展过程中,从候选核心点中发现核心点,加强了核心点的选取条件。实验表明,该算法降低了对输入参数的敏感性,改善了对密度分布不均匀数据集聚类效果,提高了聚类准确率。 展开更多
关键词 DBSCAN 密度 区域中心 k邻域
在线阅读 下载PDF
分类数据的多目标模糊中心点聚类算法 被引量:10
9
作者 周治平 朱书伟 张道文 《计算机研究与发展》 EI CSCD 北大核心 2016年第11期2594-2606,共13页
针对传统面向分类属性数据的聚类算法大多是对单一指标优化而存在的局限性,将类内和类间信息同时引入到优化过程中,结合多目标优化算法与模糊中心点聚类,提出一种新颖的多目标模糊聚类算法.与传统的基于遗传算法的混合聚类方法不同的是... 针对传统面向分类属性数据的聚类算法大多是对单一指标优化而存在的局限性,将类内和类间信息同时引入到优化过程中,结合多目标优化算法与模糊中心点聚类,提出一种新颖的多目标模糊聚类算法.与传统的基于遗传算法的混合聚类方法不同的是,采用模糊隶属度对染色体进行编码,同时优化2个相对的聚类目标函数获得一组最优解集,并且采用了一种提前终止准则判断算法是否达到稳定状态并停止操作,以减少不必要的计算开销.为了进一步提高算法的效率,通过采样子集计算出相应的模糊中心点作为类的表达,然后以这些模糊中心点计算出全体样本的隶属度矩阵即可获得最终的聚类结果.对10种数据集的实验结果表明:所提方法在聚类精度和稳定性方面优于当前最新的多目标聚类算法,且计算效率也获得较大的提升. 展开更多
关键词 数据 多目标优化 模糊中心 最优解集
在线阅读 下载PDF
基于k中心点聚类的图像二值化方法 被引量:11
10
作者 唐涛 覃晓 +1 位作者 易宗剑 韩冬越 《计算机科学与探索》 CSCD 北大核心 2015年第2期234-241,共8页
在机器视觉和模式识别的研究中,将图像变换为二值图像是能够更高效识别图像中的特定区域或者目标的关键。提出了一种基于k中心点聚类算法的图像二值化方法(image binarization k-medoids-based clustering,IBk MC)。该方法使用基于距离... 在机器视觉和模式识别的研究中,将图像变换为二值图像是能够更高效识别图像中的特定区域或者目标的关键。提出了一种基于k中心点聚类算法的图像二值化方法(image binarization k-medoids-based clustering,IBk MC)。该方法使用基于距离的平方和误差作为聚类质量度量,根据图像二值化的领域知识将k的值取为2,自然地将图像分为前景类和背景类两类。实验结果证明,针对复杂环境下的自然图像,该方法在效果和效率上优于OSTU(最大类间方差)阈值化方法。 展开更多
关键词 图像二值化 k中心 阈值
在线阅读 下载PDF
基于障碍物约束的遗传-中心点聚类算法研究 被引量:2
11
作者 厍向阳 薛惠锋 高新波 《系统工程与电子技术》 EI CSCD 北大核心 2005年第10期1803-1806,共4页
面对障碍物约束的聚类问题,分析了目前障碍物约束聚类算法的不足,定义了相关概念,随机选择k个样本作为聚类中心点,以距各聚类中心点的可达距离为样本划分依据,以类内平方误差和(WGSS)为聚类目标函数,引入遗传算法,提出一种基于障碍物约... 面对障碍物约束的聚类问题,分析了目前障碍物约束聚类算法的不足,定义了相关概念,随机选择k个样本作为聚类中心点,以距各聚类中心点的可达距离为样本划分依据,以类内平方误差和(WGSS)为聚类目标函数,引入遗传算法,提出一种基于障碍物约束的遗传-中心点聚类算法。最后,通过实例进行了算法测试,并与k-中心点算法进行比较。算法测试结果表明:基于障碍物约束的遗传-中心点聚类算法是完全可行和有效的,所提算法使得聚类结果符合地理空间实际情况,解决了聚类结果对初始化敏感的问题。 展开更多
关键词 算法 障碍物约束 K-中心 遗传算法
在线阅读 下载PDF
基于K中心点的文档聚类算法 被引量:4
12
作者 吴景岚 朱文兴 《兰州大学学报(自然科学版)》 CAS CSCD 北大核心 2005年第5期88-91,共4页
K中心点算法是一个常用的聚类算法,它的主要缺陷是容易陷入局部极值,计算代价太高.本文先构造一个运用余弦相似度的K中心点文档聚类算法,然后提出一个改进算法,该算法不增加计算的复杂性,显著改进文档的聚类结果.最后,将该改进算法作为... K中心点算法是一个常用的聚类算法,它的主要缺陷是容易陷入局部极值,计算代价太高.本文先构造一个运用余弦相似度的K中心点文档聚类算法,然后提出一个改进算法,该算法不增加计算的复杂性,显著改进文档的聚类结果.最后,将该改进算法作为局部搜索过程嵌入到迭代局部搜索结构中,构造一个基于K中心点的迭代局部搜索文档聚类算法,进一步改进了文档聚类结果.试验结果表明该算法显著改进了文档聚类结果. 展开更多
关键词 K中心算法 文档 迭代局部搜索
在线阅读 下载PDF
k中心点聚类算法在层次数据的应用 被引量:8
13
作者 刘金岭 《计算机工程与设计》 CSCD 北大核心 2008年第24期6418-6419,6422,共3页
探讨了近年来提出的聚类概念与聚类过程、k中心点聚类的算法,在此基础上提出了一种基于层次数据模型的k中心聚类的改进算法。该算法一方面针对层次变量提出了相关的中值点概念;另一方面对传统k中心点算法进行了改进。最后对改进算法的... 探讨了近年来提出的聚类概念与聚类过程、k中心点聚类的算法,在此基础上提出了一种基于层次数据模型的k中心聚类的改进算法。该算法一方面针对层次变量提出了相关的中值点概念;另一方面对传统k中心点算法进行了改进。最后对改进算法的复杂度进行了分析,由分析结果得出改进算法要比传统k中心点算法每次迭代耗费时间略少,但在总耗费时间上远远小于k中心点算法,大幅度提高了算法的整体性能。 展开更多
关键词 中心算法 最小距离 迭代
在线阅读 下载PDF
使用中心预测-聚类的3D箱体实例分割方法 被引量:1
14
作者 杨雨桐 和红杰 《计算机工程与应用》 CSCD 北大核心 2024年第10期132-139,共8页
随着深度学习技术在工业领域的大量部署,应用于运输、装卸、包装、分拣等环节的自动化系统成为仓储物流行业的研究热点。针对机器人箱体拆垛场景提出一个点云中心预测-聚类网络(center prediction-clustering network,CPCN),对箱体垛进... 随着深度学习技术在工业领域的大量部署,应用于运输、装卸、包装、分拣等环节的自动化系统成为仓储物流行业的研究热点。针对机器人箱体拆垛场景提出一个点云中心预测-聚类网络(center prediction-clustering network,CPCN),对箱体垛进行实例分割,并计算每个箱体的上表面中心坐标。CPCN在传统的语义-实例联合分割结构的基础上,为实例分割分支设计了中心预测模块和中心强化模块。中心预测模块帮助定位实例中心以避免中心点分割错误,中心强化模块令属于同一实例的点在特征空间中向中心聚集,二者有效增强了实例特征的辨识能力。在实例特征处理部分设计的中心-实例聚类方法直接对实例特征进行距离度量来计算实例标签,大幅减少了计算时间。在箱体数据集上进行的实验表明,与现有方法相比CPCN在实例分割任务中的平均精确率最低提高了0.7个百分点,最高提高了17.2个百分点,预测实例中心的准确率达到94.4%,中心偏移量低至13.70 mm,且推理速度快于同类型的联合分割网络,对于箱体拆垛任务更有针对性,具有良好的应用价值。 展开更多
关键词 3D 实例分割 箱体拆垛 中心预测
在线阅读 下载PDF
基于Tukey规则与初始中心点优化的K⁃means聚类改进算法 被引量:5
15
作者 柳菁 邱紫滢 +1 位作者 郭茂祖 余冬华 《数据采集与处理》 CSCD 北大核心 2023年第3期643-651,共9页
针对K⁃means聚类算法存在的初始中心点选择及异常点、离群点极易影响聚类结果等待改进问题,提出了一个基于Tukey规则与优化初始中心点选择的K⁃means改进算法。该算法利用Tukey规则构造核心与非核心子集,将聚类过程划分成2个阶段。同时,... 针对K⁃means聚类算法存在的初始中心点选择及异常点、离群点极易影响聚类结果等待改进问题,提出了一个基于Tukey规则与优化初始中心点选择的K⁃means改进算法。该算法利用Tukey规则构造核心与非核心子集,将聚类过程划分成2个阶段。同时,在核心子集上执行中心点逐个递增优化选择策略,选出初始中心点。在来自UCI的20个数据集上聚类结果表明,本文提出的算法优于K⁃means++聚类算法,有效地提升了聚类性能。 展开更多
关键词 数据挖掘 K⁃means算法 Tukey规则 中心优化
在线阅读 下载PDF
推进式优化特征权重的K-中心点聚类方法 被引量:1
16
作者 陈新泉 《计算机工程与应用》 CSCD 北大核心 2011年第29期175-181,204,共8页
为获得更贴近于混合属性数据点集空间的相异性度量,从而探测出数据点集的更有意义的聚类分布,提出了一种推进式优化特征权重的K-中心点聚类算法。对该聚类算法进行了必要的讨论,给出其时间复杂度分析及算法收敛性分析。为实现该聚类算... 为获得更贴近于混合属性数据点集空间的相异性度量,从而探测出数据点集的更有意义的聚类分布,提出了一种推进式优化特征权重的K-中心点聚类算法。对该聚类算法进行了必要的讨论,给出其时间复杂度分析及算法收敛性分析。为实现该聚类算法的特征权重优化步骤,给出了二种不同的特征权重优化方法和几个自适应优化距离权重系数、目标函数系数的方法。这些优化方法在一定的理论层次上解决了相异性度量的自适应优化问题。通过几个UCI标准数据集验证了该聚类算法有时能取得更好的聚类质量,从而说明该加权聚类算法具有一定的有效性。给出了几点研究展望,为下一步的研究指明了方向。 展开更多
关键词 相异性度量 K-中心 有序属性 无序属性 混合属性
在线阅读 下载PDF
基于中心点及密度的分布式聚类算法
17
作者 冯少荣 张东站 《计算机工程》 CAS CSCD 北大核心 2010年第19期56-58,共3页
针对分布式聚类算法DBDC存在的不足,提出一种基于中心点及密度的分布式聚类算法DCUCD。将数据分布计算出的虚拟点作为核心对象,核心对象的代表性随算法的执行次数提高,聚类即是对所有核心对象分类的过程。理论分析和实验结果表明,该算... 针对分布式聚类算法DBDC存在的不足,提出一种基于中心点及密度的分布式聚类算法DCUCD。将数据分布计算出的虚拟点作为核心对象,核心对象的代表性随算法的执行次数提高,聚类即是对所有核心对象分类的过程。理论分析和实验结果表明,该算法能有效处理噪声和分布不规则的数据点,时间效率和聚类质量较好。 展开更多
关键词 数据挖掘 分布式 中心 噪声
在线阅读 下载PDF
顾及几何特征信息分类中心关键点的改进ICP点云配准
18
作者 张浩然 陈国平 +1 位作者 赵辉友 赵俊三 《激光杂志》 北大核心 2024年第12期160-167,共8页
针对传统配准方法效率低、收敛慢和精度低的问题,提出了一种顾及多几何特征信息分类中心关键点的改进ICP点云配准方法。首先点云进行体素格网下采样后,去除地面点,加快配准效率;后采用协方差求解特征值进行几何特征信息分析非地面点云,... 针对传统配准方法效率低、收敛慢和精度低的问题,提出了一种顾及多几何特征信息分类中心关键点的改进ICP点云配准方法。首先点云进行体素格网下采样后,去除地面点,加快配准效率;后采用协方差求解特征值进行几何特征信息分析非地面点云,再使用欧式距离法聚类。将聚类的中心点提取出作为关键点,通过FPFH算法对特征关键点进行描述,使同名特征中心关键点完成正确配对,得到初始变换估计矩阵;最后采用双向KD-tree和最近邻距离比改进的点到面ICP算法进行精确配准,并引入Tukey损失函数抵抗离群噪声。与4种方法进行比较,结果表明本算法的RMSE为0.2026 m,耗时19.426 s,配准精度及效率更高。 展开更多
关键词 云配准 几何特征信息 欧式距离 中心关键 改进ICP到面 三维重建
在线阅读 下载PDF
基于分区域特征点聚类的秧苗行中心线提取 被引量:30
19
作者 廖娟 汪鹞 +3 位作者 尹俊楠 张顺 刘路 朱德泉 《农业机械学报》 EI CAS CSCD 北大核心 2019年第11期34-41,共8页
为了准确检测水稻秧苗行中心线,提出了基于分区域特征点聚类的秧苗行中心线提取方法。采用2G-R-B特征因子和Otsu法分割秧苗和背景;通过分区域统计秧苗像素点分布提取秧苗行的候选特征点,利用特征点间近邻关系对特征点进行聚类,确定秧苗... 为了准确检测水稻秧苗行中心线,提出了基于分区域特征点聚类的秧苗行中心线提取方法。采用2G-R-B特征因子和Otsu法分割秧苗和背景;通过分区域统计秧苗像素点分布提取秧苗行的候选特征点,利用特征点间近邻关系对特征点进行聚类,确定秧苗行数和各秧苗行的起始点;基于秧苗成行栽植特点引入“趋势线”,利用点到该直线的距离与距离阈值作比较,筛选出远离各行趋势线的点,并将其去除;对筛选后的每一行特征点用最小二乘法进行直线拟合,获取秧苗行中心线。实验结果表明,该算法具有较强的抗噪性能,提取秧苗行中心线的准确率达95.6%,与标准Hough变换和随机Hough变换算法相比,处理一幅分辨率为320像素×237像素的彩色图像平均耗时短,能够实现水田秧苗行中心线的准确提取,可为插秧机自主行走提供可靠的导航信息。 展开更多
关键词 水稻插秧机 视觉导航 秧苗行中心线 分区域 特征
在线阅读 下载PDF
2021年世界交通运输大会水运学部会议 基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法 被引量:4
20
作者 李倍莹 张新宇 +2 位作者 沈忱 姚海元 齐越 《上海海事大学学报》 北大核心 2021年第3期15-22,共8页
针对目前船舶典型轨迹的挖掘多以轨迹段作为基本单元,导致聚类对象较为复杂且聚类参数难以确定的问题,本文提出一种基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法。算法以轨迹点作为聚类对象,分析船舶的航速、航向特征并对轨迹点进... 针对目前船舶典型轨迹的挖掘多以轨迹段作为基本单元,导致聚类对象较为复杂且聚类参数难以确定的问题,本文提出一种基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法。算法以轨迹点作为聚类对象,分析船舶的航速、航向特征并对轨迹点进行压缩;将分段均方根误差引入K中心点聚类算法,实现聚类参数的自适应选择;提取其中的聚类中心点作为轨迹特征点,得到不同类别船舶的典型轨迹。以天津港主航道船舶自动识别系统(automatic identification system,AIS)数据为例,基于地理信息系统平台ArcGIS实现聚类结果的可视化展示。实验结果表明,运用该算法得到的船舶典型轨迹与实际相符,自适应程度较高。研究结果对于辅助船舶轨迹异常检测及挖掘海上交通特征具有重要意义。 展开更多
关键词 海上交通数据挖掘 船舶典型轨迹 K中心 轨迹特征 自适应
在线阅读 下载PDF
上一页 1 2 7 下一页 到第
使用帮助 返回顶部