[发明专利]基于归纳式一致性多类分类的目标行为模式在线分类方法

权利要求书

1.一种基于归纳式一致性多类分类的目标行为模式在线分类方法，其特征在于包括以下步骤：

步骤1，定义相关变量：

1)需要考虑的近邻数量k；

2)训练航迹数据集其中l₁+…+l_t+…+l_s＝l，1,2,…,s为类别标签，l为训练航迹总数，压缩航迹数据集r₁,…r_t,…,r_s为压缩航迹数，检验航迹数据集

3)多因素定向Hausdorff距离矩阵M1,…,Mt,…,Ms，其中矩阵M1的每个元素M1_i,j:i＝1,…,l₁-r₁,j＝1,…,k表示检验航迹数据集中的航迹TR_1i:i＝r₁+1,…,l₁到压缩航迹数据集第j近的航迹之间的多因素定向Hausdorff距离，M2,…,Ms中的每个元素同理；

4)空的优先序列Q1,…,Qt,…,Qs；

5)测试航迹TR_l+1中不断更新的航迹点x₁,…,x_L；

6)类别指示变量Class_l+1,1,…,Class_l+1,L，其中Class_l+1,j:j＝1,…,L-1对应子集计算得出的类别，Class_l+1,L对应{x₁∪…∪x_L}＝TR_l+1计算得出的类别；

步骤2，初始化：对距离g_t＝1,…,r_t赋零初值，其中表示当前测试子航迹到压缩航迹数据集中航迹的多因素定向Hausdorff距离，并计算多因素定向Hausdorff距离矩阵M1_i,1,…,M1_i,k的和，定义为同理，

步骤3，对测试航迹TR_l+1＝{x₁∪…∪x_L}中的子航迹{x₁∪…∪x_j}，j＝1,…,L重复进行如下分类过程：

1)对检验航迹数据集中的航迹TR_1i:i＝r₁+1,…,l₁的不一致度量α_1i进行更新；

2)根据多因素定向Hausdorff距离的定义，对的取值进行更新；

3)对Q1内的元素进行更新；

4)从Q1中提取当前的k个距离值，对当前测试子航迹{x₁∪…∪x_j}的不一致度量α_1(l+1)的取值进行更新；

5)计算p_1(l+1)取值；

步骤4，对测试航迹TR_l+1＝{x₁∪…∪x_L}中的当前子航迹{x₁∪…∪x_j}和训练航迹数据集中的检验航迹TR_ti:i＝r_t+1,…,l_t，用压缩航迹数据集替换用vt替换v1，用替换用Qt替换Q1，重复进行如步骤3所示的分类过程，计算p_2(l+1),…,p_s(l+1)的取值；

步骤5，比较p_1(l+1),…p_t(l+1),…,p_s(l+1)的大小，选出最大的p值p_c(l+1)，则当前子航迹{x₁∪…∪x_j}对应的目标行为模式类别为c，即：Class_l+1,j＝c；

步骤6，当测试航迹TR_l+1的每个子航迹{x₁∪…∪x_j}，j＝1,…,L对应的目标行为模式都分类完成后，输出类别指示变量和距离向量，查找集合{Class_l+1,1,…,Class_l+1,L}中出现次数最多的类别n，将TR_l+1添加到该类别对应的训练航迹数据集中，组成新的训练航迹数据集其中，检验航迹数据集更新为

步骤7，对多因素定向Hausdorff距离矩阵Mn进行更新；

步骤8，用更新后的训练航迹数据集更新后的检验航迹数据集和更新后的多因素定向Hausdorff距离矩阵Mn代替原来的和Mn，对测试航迹TR_l+2对应的目标行为模式进行在线分类。