自适应选取聚类中心K-means航迹起始算法
2014-03-14宫峰勋戴丽华马艳秋
哈尔滨工业大学学报 2014年5期
宫峰勋,戴丽华,马艳秋
(中国民航大学电子信息工程学院,300300天津)
航迹起始是航迹处理中的首要问题.航迹起始算法有两大类.强杂波环境下的航迹起始是研究的重点,研究数据表明批处理技术用于起始强杂波环境下目标的航迹具有很好的效果,主要包括Hough变换法等[1-6].
在多部传感器同时监视某一空域的多批目标时,在某一时刻,融合中心接收到多部传感器的量测数据呈团状,且大致分布在目标真实值的周围[5].如何从这些量测数据中区分出源于不同目标的数据,这是实现目标跟踪的重要问题.文献[5]应用模式识别理论中的聚类思,进行量测数据的聚类,实现不同目标量测数据的归并,但未给出聚类中心和聚类半径的求解明确说明.当前聚类方法中K-means算法是最为广泛应用的基于划分的聚类方法,标准的K-means聚类估计存在诸如事先给定聚类数目k、聚类结果依赖初始聚类中心的选择等等.标准K-means聚类算法的改进也就应运而生[7-10].这些改进方法虽然克服了标准K-means算法随机选取初始聚类中心的缺点,能够一定程度上加快算法的收敛速度,提高算法的效率,但大多需要预先给定聚类数目,并没有解决因预设聚类数目不准确给聚类结果带来的影响.因应多传感器观测值的分布态势,本文推出一种新的K-means聚类方法,其基本思想是自适应修正选取初始聚类中心,即对每一时刻的多部传感器的量测数据进行修正性聚类,通过递进式选……
登录APP查看全文
