[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

说明书

本发明公开了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。该方法包括：步骤1，定义相关变量；步骤2，初始化；步骤3，利用其中一个类别的训练航迹数据集和压缩航迹数据集，计算测试航迹中当前航迹点的p值；步骤4，重复步骤3，计算当前航迹点对应其它类别的p值；步骤5，比较所有类别对应p值的大小，确定当前航迹点对应的目标行为模式类别；步骤6，当前测试航迹的每个航迹点对应的目标行为模式都分类完成后，更新训练航迹数据集；步骤7，更新多因素定向Hausdorff距离矩阵；步骤8，对下一个测试航迹对应目标行为模式进行分类。该方法可在减小计算量的情况下实现对目标行为模式的在线分类判别，具有广阔应用前景。

技术领域

本发明涉及数据挖掘中的在线分类技术和信息融合中的高层融合技术，属于模式识别和智能情报处理领域。

背景技术

在预警监视领域，随着目标探测技术和信息融合技术的不断完善，各种各样的目标被检测、跟踪和识别，形成不断更新的目标航迹。大量的历史航迹数据在预警监视领域的各种目标情报处理系统中存储和积累。利用数据挖掘和轨迹数据挖掘中的聚类分析技术，可以把目标航迹分为不同的类别，从而挖掘出目标的行为规律。目标的行为模式是指当前观测目标属于的目标行为规律的类别，对于不断更新的目标航迹数据，可以利用数据挖掘中的在线分类技术，将当前目标航迹分到对应的类中，实现对目标行为模式的在线分类，这对于态势评估、威胁估计和指挥决策都具有非常重要的意义。国内外很多学者对轨迹分类问题进行了研究，但是这些方法主要考虑了目标的位置特征和形状特征，没有充分利用目标的位置、速度和航向特征，而且现有方法主要用于离线分类，对于情报处理实时性要求很高的预警监视领域是不能适用的。基于多维特征的目标行为模式在线分类方法能够充分利用目标的位置、速度和航向特征，通过对多维航迹数据的在线学习和序贯分类，实现对目标行为模式的在线分类判别，但是在每次分类判别时都需要将所有的历史航迹数据进行重新计算，存在计算量大的问题。

发明内容

本发明提供了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，既能充分利用目标的位置、速度和航向特征，又采用了归纳式一致性预测的思想，可以在大大减小计算量的情况下实现对目标行为模式的在线分类判别。具体包括以下步骤：

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,i: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；