首页 | 本学科首页   官方微博 | 高级检索  
     

一种基于数据流聚类的动态目标分群框架
引用本文:龙真真,,张策,王维平,张正文. 一种基于数据流聚类的动态目标分群框架[J]. 上海交通大学学报, 2010, 44(7): 921-0925
作者姓名:龙真真,,张策,王维平,张正文
作者单位:(1. 国防科技大学 信息系统与管理学院, 长沙 410073;2. 空军装备研究院, 北京 100085; 3. 国防科技大学 研究生院, 长沙 410073;4. 中国科学院 数学与系统科学研究院, 系统科学研究所, 北京 100080)
摘    要:为了解决动态目标分群问题,提出了一种基于数据流聚类的动态目标分群框架.该框架分为在线和离线两部分.在线部分采用临时存储结构和金字塔时间框架保存侦察数据集的概要信息;离线部分采用CNM算法对时间框架的信息进行聚类,最终得到分群结果.实验表明,该框架具有灵活的精度和效率平衡性,能够较好地满足决策辅助系统处理实时信息的需要.

关 键 词:动态目标分群   数据流聚类  
收稿时间:2009-07-06

A Dynamic Framework for Target Grouping Based onClustering Data Streams
LONG Zhen zhen,ZHANG Ce,WANG Wei ping,ZHANG Zheng wen. A Dynamic Framework for Target Grouping Based onClustering Data Streams[J]. Journal of Shanghai Jiaotong University, 2010, 44(7): 921-0925
Authors:LONG Zhen zhen  ZHANG Ce  WANG Wei ping  ZHANG Zheng wen
Affiliation:(1.School of Information System and Management, National University of Defense Technology,Changsha 410073, China; 2.Equipment Academy of Air Force,Beijing 100085, China;3.Graduate School, National University of Defense Technology, Changsha 410073, China;4.Institute of System Science, Academy of Mathematics and Systems Science,Chinese Academy of Sciences, Beijing 100080,China)
Abstract:In order to solve the dynamic target grouping problem, a framework based on clustering data streams was presented, which can be divided into two parts: on line part and off line part. In on line part, the concepts of a pyramidal time frame and a temporary storage structure are used; in off line part, CNM algorithm is used to cluster the suitable data. After the experiment, the results show that this framework has good equilibrium between accuracy and efficiency.
Keywords:
本文献已被 CNKI 等数据库收录!
点击此处可从《上海交通大学学报》浏览原始摘要信息
点击此处可从《上海交通大学学报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号