结合区域分割和Wishart分类器的机场跑道区域快速检测方法

提出了一种结合区域分割和Wishart分类器的极化合成孔径雷达图像机场跑道区域快速检测方法; 利用简单线性迭代聚类算法分割极化合成孔径雷达图像, 并将分割得到的超像素作为后续分类处理的基本单元; 采用一种优化后的距离度量方式给超像素分配类别标签, 解决了传统Wishart距离度量因子冗余运算量大的问题; 分析了机场跑道区域像素的极化散射特性, 利用机场跑道区域的弱散射特性从分类结果中提取感兴趣区域; 利用机场跑道的结构特征筛选辨识感兴趣区域, 进而确定机场跑道区域的准确位置; 利用极化合成孔径雷达实测数据测试了算法的有效性, 并与传统基于像素的检测结果进行对比。试验结果表明: 该算法在复杂大场景下能够快速有效检测出机场跑道区域, 检测出的跑道轮廓清晰, 结构比较完整; 采用简单线性迭代聚类算法预处理图像极大地降低了后续处理的复杂性; 针对墨西哥湾试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.4%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的9.9%和27.1%;针对大岛试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.6%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的14.0%和31.8%。可见, 所提检测方法的实时性能优于基于像素的检测方法。      

模糊聚类算法在船舶图像分割中的应用

传统船舶图像分割方法存在分割误差大,抗噪声干扰能力差、分割效率低等缺陷,为了解决传统船舶图像分割方法存在的不足,设计了基于模糊聚类算法的船舶图像分割方法。首先对当前船舶图像分割研究进展进行分析,指出不同传统船舶图像分割方法存在的局限性,然后对船舶图像进行去噪处理,提高船舶图像质量,改善抗噪声干扰能力,最后引入模糊聚类算法进行船舶图像分割,并采用多幅标准船舶图像与传统船舶图像分割方法进行对比测试。测试结果表明,本文方法可以对船舶图像进行高精度的准确分割,能够保留船舶图像边缘的重要信息,船舶图像分割速度可以满足实际应用的要求,获得了比传统船舶图像分割方法更优的结果,具有更加广泛的应用范围。     

考虑交通运行条件影响的驾驶员特征聚类

为提升驾驶员特征聚类方法的适用性与可靠性，本文基于机动车运行轨迹分析提出考虑交通运行条件影响的驾驶员特征聚类改进方法。首先，经过对车辆运行轨迹数据的分析发现，不同道路类型和平均速度条件会显著影响驾驶行为的集计特征；其次，提出改进的驾驶员特征聚类方法，第1步设计考虑道路类型与平均速度因素的车辆轨迹的切片和分类方法，从而稳定提取典型交通条件下的驾驶行为特征参数，第2步选用高斯混合模型聚类驾驶员特征。聚类案例表明， 在相同的道路类型和平均速度条件下，驾驶员类型越激进，其速度变异系数、加速度标准差和平均减速度等参数均值越高。不同聚类方法的对比表明，改进方法在驾驶员聚类的类内聚集度和类间分离度方面均表现更好，能有效提升驾驶员聚类的适用性与可靠性。     

基于交通冲突的交织区安全评价方法研究

基于事故数据进行安全评价存在局限性,以交通冲突为基础进行交织区不同角度的安全方法评价研究。考虑冲突类型及严重程度将交通冲突综合风险指数作为整体评价指标,运用灰色聚类评价法进行整体评价等级确定,以冲突概率及变道风险为评价指标对交织区行驶区域进行安全分析。结果表明交织区内各区域存在明显的安全区分,从而实现对交织区的安全评价。     

模糊聚类在雷达频率信号目标检测处理中的应用

随着船舶工业和海洋航运的发展,基于雷达信号的舰船探测和导航系统逐渐完备。雷达频率信号检测和处理的主要目的包括提取目标信号的特征信息,过滤和剔除噪声等其他干扰信号等。近几年,模糊聚类算法和信号频率分析发展迅速。本文基于模糊聚类分析算法,研究不同频率雷达信号的检测和处理过程,提高雷达信号在中频段的利用率和雷达的技术性能。     

集合规划方法在航线网络枢纽选址上的应用

研究带有容量限制的单分配多枢纽网络选址问题,将问题简化为带有容量限制的聚类问题。通过节点之间的距离以及各个节点的需求量,根据聚类分析原理,采用集合规划的方法对问题进行建模,运用自然约束语言NCL,在POEM平台上对模型进行编程求解,并通过实例将计算结果在地图中可视化。运用模糊聚类方法对多枢纽选址位置进行分析。     

基于灰色聚类评估法的城市交通安全评价研究

根据影响城市道路交通安全的各个因素,建立一套安全评价指标体系.运用灰色聚类方法进行安全评价,建立评价模型,并运用该模型对石家庄市城市道路交通进行安全评价,得到更符合实际安全现状的评价结果.