0 引言
航迹聚类是航迹数据分析中的一个重点,通过对记录或实时的航迹数据的聚类分析,可以获得不同空中目标的飞行路径、飞行范围、飞行特征等信息,帮助指挥人员了解空中目标态势,对空情进行指挥或事后研究分析。
以往传统航迹聚类方法,有可以对空间中K个点为中心进行聚类,对最靠近中心点的对象归类,并迭代中心点位置的K-means算法。K-means算法可对圆形或球状的聚类数据进行处理,但无法处理任意形状的数据簇聚类,且需要事先人工设置聚类类别数K,聚类结果也受起始中心点设置的影响。
也有基于网格的移动对象处理算法,将时空域划分为网格,把航迹数据点划分到不同网格内可解决航迹点本身的定位误差,再将邻域密度高于门限的网格连接成簇进行聚类。但对密度不均匀、密度差异大的数据集聚类效果不好,门限参数不好选取,且不能处理空域数据的聚类。
还有基于空间密度的聚类算法DBSCAN,通过统计点迹数据集内任意点邻域内邻近点的数量,不断向邻域扩张聚合为簇,直到遍历所有点完成聚类。同样可发现任意形状的数据聚类,但对密度不均匀、密度差异大的数据集聚类效果不好,且不能处理时空域数据的聚类。
本文使用基于ST DBSCAN的航迹聚类,既符合DBSCAN聚类算法的特点和优点又增加了从时间域对目标数据集的扫描。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000004291。
作者信息:
朱瑜亮
(中国电科集团第十研究所,四川 成都610036)

凡《网络安全与数据治理》(原《信息技术与网络安全》)录用的文章,如作者没有关于汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权等版权的特殊声明,即视作该文章署名作者同意将该文章的汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权授予本刊,本刊有权授权本刊合作数据库、合作媒体等合作伙伴使用。同时,本刊支付的稿酬已包含上述使用的费用,特此声明。