申请/专利权人：西安电子科技大学

申请日：2019-10-28

公开（公告）日：2020-02-11

公开（公告）号：CN110781963A

主分类号：G06K9/62(20060101)

分类号：G06K9/62(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.03.04#授权;2020.03.06#实质审查的生效;2020.02.11#公开

摘要：本发明公开了一种基于K‑means聚类的空中目标分群方法，其实现步骤为：1读入空中目标信息；2生成空中目标数据集；3生成空中目标群总数；4根据所得的空中目标群的群中心及其总数，采用K‑means聚类进行空中目标分群；5输出分群结果。本发明克服了使用K‑means聚类方法进行空中目标分群时需要预先给定分群个数的问题；能够实现对实际情况空中目标有效、准确的分群，可用于态势估计、指挥控制系统。

主权项：1.一种基于K-means聚类的空中目标分群方法，其特征在于，采用最大最小距离算法计算目标分群的聚类初始中心和聚类个数；本发明的实现步骤具体如下：步骤1，读入传感器观测到的每个目标的空中目标识别数据，该数据中包含该目标分别在X轴、Y轴和Z轴的位置分量、目标属性和目标类型；步骤2，生成空中目标数据集：将所有空中目标识别数据中属性相同的空中目标组成空中目标数据集T；步骤3，获取阈值：第一步，按照下式，计算空中目标数据集T中每个空中目标的初始参考值： 其中，Mi表示空中目标数据集T中第i个空中目标的初始参考值，|·|表示求绝对值操作，xi，yi，zi分别表示第i个空中目标在X轴、Y轴、Z轴上的坐标值，∑表示求和操作，n表示空中目标数据集T中空中目标的总数；第二步，选空中目标数据集T中所有空中目标的初始参考值中的最小值将计算该最小值对应的空中目标C1与目标数据集T中每个空中目标的欧式距离，并从中找出最大欧式距离所对应的空中目标C2；第三步，用空中目标C1与C2的欧式距离与距离参数的乘积作为阈值；步骤4，计算空中目标群总数：第一步，设置一个用于存放空中目标的集合C，将C1和C2放入集合C中；第二步，在空中目标数据集T中除去C1和C2之外，计算其余每个空中目标分别与空中目标C1的欧氏距离和与空中目标C2的欧氏距离，从中选取最小值，将所有最小值组成最小间距集合；第三步，从最小间距集合中选取最大值；第四步，判断所选最大值是否大于阈值，若是，则执行第五步，否则，执行第六步；第五步，将最大值对应的空中目标加入集合C，从最小间距集合中舍弃所选取最大值后执行第三步，第六步，将集合C中元素的个数作为空中目标群总数，执行步骤5；步骤5，空中目标分群：第一步，将集合C中的元素作为空中目标群中心目标；第二步，计算空中目标数据集T中每个空中目标分别与每个空中目标群中心目标的欧式距离，从中选取最小值，将空中目标划分到该最小值对应的群中心目标所在空中目标群中；第三步，在每一个空中目标群中，用当前空中目标群中所有空中目标分别在立体坐标系X轴、Y轴、Z轴上坐标的平均值，更新空中目标群中心目标在X轴、Y轴、Z轴上的坐标值；第四步，判断误差平方和目标函数是否达到最小值，若是，则执行步骤6，否则，执行第二步；步骤6，将当前所得空中目标群作为分群结果。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于K-means聚类的空中目标分群方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD