[發(fā)明專利]一種基于多步聚類的拖網漁船行為判別方法

有效

• 申請?zhí)枺?/td>: 201910314059.0
• 申請日: 2019-04-18
• 公開（公告）號: CN110033051B
• 公開（公告）日: 2021-08-20
• 發(fā)明（設計）人: 張紀林;吳寶福;萬健;任永堅;孫海
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/02
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周希良

1.一種基于多步聚類的拖網漁船行為判別方法，其特征在于該方法包括如下步驟：

步驟1.建立軌跡點間相似度距離模型；

所述的軌跡點間相似度距離模型，是對兩軌跡點間速度距離、角度距離、時間距離以及空間距離的加權和，其中，速度距離為兩點間速度差值的平方，角度距離為兩點船只航行角度的夾角大小，時間距離為兩點之間毫秒時間差值的絕對值，空間距離為兩點經緯度差值的平方和；

步驟2.按照時序近鄰計算準則計算軌跡點間相似度矩陣；

拖網漁船軌跡數(shù)據具有狀態(tài)一致性，時序近鄰計算準則不計算所有任意兩點間的相似度距離，而僅計算時間相鄰n個點之間的相似度距離，其他距離直接取值無窮大；

步驟3.使用OPTICS算法獲得軌跡點有序可達圖；

步驟4.使用ξ-steep自動識別簇算法將有序可達圖切分得到軌跡子段，實現(xiàn)對軌跡點初步聚類；

拖網漁船狀態(tài)具有狀態(tài)一致性，相鄰時間段內同一狀態(tài)的拖網漁船軌跡點的聚集狀態(tài)明顯，其對應的有序可達圖具有內部平緩、邊緣陡立的特征，利用ξ-steep自動識別簇算法對陡峭邊緣點進行識別與切割，從而完成對軌跡子段的切割，實現(xiàn)軌跡點的初步聚類；

所述的ξ-steep自動識別簇算法具體是：

有序可達圖中，若點p∈{1,...,n-1}可達距離r(p)與r(p+1)差值的絕對值大于可達距離均值avr_r的ξ倍，則稱點p為ξ-steep point，記為Point_x(p)，其中，若前者大則稱點p為ξ-down point，若前者小，則稱點p+1為ξ-up point；

有序可達圖中，所有陡峭點程度大于一定值的點將被記錄為ξ-steep point，這些是聚類簇的邊界；

稀疏點是聚類簇邊緣的可達距離大于一定值的點，稀疏點與密集區(qū)內的軌跡點同樣具有三種行為狀態(tài)，需要通過二次聚類實現(xiàn)狀態(tài)的劃分，將稀疏軌跡點按長度為1的軌跡段處理；

其中稀疏點的定義具體為：有序可達圖中，若點p∈{1,...,n}的可達距離r(p)大于可達距離均值avr_r的η倍，或者，點p∈{2,...,n}前一個值為ξ-up point且r(p)不小于r(p-1)，則稱點p為sparse point，即稀疏點；

在軌跡切割中，按ξ-steep point和sparse point將完整軌跡段切割成軌跡子段，即實現(xiàn)了拖網漁船軌跡子段的切割；

步驟5.計算軌跡子段的速度平均值，使用k-means算法實現(xiàn)軌跡段再次聚類，從而實現(xiàn)軌跡點的狀態(tài)判別；

切分后的軌跡子段內部狀態(tài)一致，取軌跡子段內部所有軌跡點的速度平均值，以消除軌跡段內的波動數(shù)據影響，使用k-means算法實現(xiàn)對軌跡子段的聚類；

步驟6.對于多步聚類結果，建立Fisher判別模型，實現(xiàn)拖網漁船軌跡點處行為的快速判別。