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。