龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：大连海事大学
申请日：2024-04-08
公开（公告）日：2024-06-11
公开（公告）号：CN118171133A
主分类号：G06F18/23213
分类号：G06F18/23213;G06N3/006;G06F18/214
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.28#实质审查的生效;2024.06.11#公开
摘要：本发明提供一种基于人工蜂群优化多扩展目标的聚类算法，其具体步骤包括：获取扩展目标的量测信息，并去除杂波量测点；获取预设时刻多扩展目标量测集合，并进行预处理；随机抽取样本作为类中心，得到初始聚类中心集合；计算原始数据集中的样本与每个类中心的欧式距离，得到聚类簇后，选取每个聚类簇的平均类中心作为新的聚类中心；重复上一步骤直至聚类中心不再变化，得出新的聚类中心集合；对距离较近的类中心进行合并，完成聚类；交替使用ABC算法和K均值聚类算法对蜂群进行迭代，直至算法结束。本发明能在杂波场景下，对多个扩展目标将产生的密度不一的量测样本进行量测划分，有效的解决了密度不同导致的聚类效果不理想的问题。
主权项：1.一种基于人工蜂群优化多扩展目标的聚类算法，其特征在于，其具体步骤包括：S1、获取扩展目标的量测信息，并去除杂波量测点；S2、获取预设时刻多扩展目标量测集合，并进行预处理；随机抽取样本作为类中心，得到初始聚类中心集合；S3、计算原始数据集中的样本与每个类中心的欧式距离，得到聚类簇后，选取每个聚类簇的平均类中心作为新的聚类中心；S4、重复S3直至聚类中心不再变化，得出新的聚类中心集合；对距离较近的类中心进行合并，完成聚类；S5、交替使用ABC算法和K均值聚类算法对蜂群进行迭代，直至算法结束。
全文数据：
权利要求：
百度查询： 大连海事大学 一种基于人工蜂群优化多扩展目标的聚类算法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号