基于航迹挖掘的热点区域发现

随着定位技术的进步，大量精确的航迹数据得以保存下来，于是对运动目标航迹的研究引起了人们浓厚的兴趣。如何能够从目标航迹中发现目标前往的热点区域，进而对目标任务产生一定的认识和理解，是当前关注的一个重点问题。通过对航迹进行分析，在经过数据预处理的基础上，挖掘航迹中反映目标盘旋行为的航迹片段，之后对大量盘旋片段所处位置进行基于密度的聚类分析，得到可能存在的热点区域，最终形成基于航迹盘旋片段的热点区域发现算法。实验结果表明，算法能够高效地发现目标可能的热点区域，具有广泛的应用价值。

基于Hash编码的多目标航迹重合度算法研究

未来战争是体系化的群体博弈,因而对多目标协同关系的挖掘成为了厘清战场的重要研究方向。剖析了传统空间航迹关系分析算法,以及其面临航迹点要求插值平滑、积分运算量大、点迹对齐困难等挑战。同时鉴于大数据时代,海量数据挖掘算法的复杂度直接关系到能否工程化应用,提出了基于Hash编码的多目标航迹重合度算法,仅需剖分编码和代数简便运算即可。在工程实践中检验了该算法的可行性和有效性,旨在为电磁大数据挖掘算法研究提供技术参考。

基于地理区域聚类的航迹分类方法

随着定位技术的进步,人们可以获得更稳定、更精确的大量关于运动目标的航迹数据.如何挖掘航迹数据中包含的信息,进而实现对运动目标相关属性的认知,是当下研究的热点问题.在分析已有算法的基础上,从区域划分和区域合并两个角度分别提出了基于地理区域聚类的航迹分类算法,针对运动目标,提取其属性类别与地理区域相关的特征,并结合航迹运动特征对该属性进行分类.实验结果表明,基于地理区域聚类的方法学习到的特征是航迹特征向量的重要组成部分,能够提升航迹分类准确度,且分类准确度在一定数据条件下优于已有相关算法.