障碍空间中基于Voronoi图的不确定数据聚类算法

万静; 崔美玉; 何云斌; 李松

doi:10.7544/issn1000-1239.2019.20170979

障碍空间中基于Voronoi图的不确定数据聚类算法

(哈尔滨理工大学计算机科学与技术学院哈尔滨 150080) (wanjha@163.com)

基金项目: 国家自然科学基金项目(61872105)；黑龙江省教育厅科技研究项目(1253lz004)；黑龙江省留学归国人员科学基金(LC2018030)

详细信息

中图分类号: TP311.13
计量
- 文章访问数: 1014
- HTML全文浏览量: 2
- PDF下载量: 289
出版历程
- 发布日期: 2019-04-30

Uncertain Data Clustering Algorithm Based on Voronoi Diagram in Obstacle Space

(College of Computer Science and Technology, Harbin University of Science and Technology, Harbin 150080)

摘要

摘要: 为了有效解决障碍空间中的不确定数据聚类的问题，引入计算几何中的Voronoi图对数据空间进行划分，提出障碍空间中基于Voronoi图的不确定数据聚类算法.根据Voronoi图的性质，提出4项聚类规则.利用KL距离进行相似性度量.根据障碍集合是否发生变化，提出了静态障碍环境下和动态障碍环境下的不确定数据聚类算法.理论研究和实验表明：静态障碍物环境中的不确定精炼聚类算法(简称STAO_RVUBSCAN算法)、障碍物动态增加情况下的不确定聚类算法(简称DYNOC_VUBSCAN算法)、障碍物动态减少情况下的不确定聚类算法(简称DYNOR_VUBSCAN算法)和障碍物动态移动情况下的不确定数据聚类算法(简称DYNOM_VUBSCAN算法)都具有较高的效率.
- 静态障碍 /
- 动态障碍 /
- KL距离 /
- 不确定数据 /
- Voronoi图
Abstract: In order to solve the problem of the uncertain data clustering in obstacle space, the Voronoi diagram in computational geometry is introduced to divide the data space, and an uncertain data clustering algorithm based on Voronoi diagram in obstacle space is proposed. According to the properties of Voronoi diagram, four clustering rules are proposed. In order to consider the probability distribution between data, the KL distance is used as the similarity measure between data objects. Because obstacles can not always remain static in real life, and space obstacles often change dynamically. Then, according to whether the set of obstacles is changed, an uncertain data clustering algorithm in static obstacle environment and dynamic obstacle environment is proposed. Theoretical studies and experiments show that the uncertain refining clustering algorithm in the static obstacles environment(STAO_RVUBSCAN), the uncertain clustering algorithm of the dynamic increase of obstacles(DYNOC_VUBSCAN), the uncertain clustering algorithm of the dynamic reduction of obstacles(DYNOR_VUBSCAN) and the uncertain clustering algorithm of the dynamic movement of obstacles (DYNOM_VUBSCAN) have extremely high efficiency.
- static obstacles /
- dynamic obstacles /
- Kullback-Leibler divergence /
- uncertain data /
- Voronoi diagram

HTML全文

参考文献(0)

施引文献(13)

期刊类型引用(7)

1.	王忠勇，孟杰，王玮，巩克现，刘宏华. 基于特征再挑选的网络未知流量检测算法. 计算机工程与设计. 2025(01): 60-66 . 百度学术
2.	董姝岐，黄辑贤，粘镇泓，井靖. 字段语义推断模型的二进制协议语义推理方法. 信息工程大学学报. 2025(02): 238-244 . 百度学术
3.	安晓明，王忠勇，翟慧鹏，巩克现，王玮，孙鹏. 基于深度学习的二进制变种协议字段划分方法. 计算机工程与设计. 2024(04): 982-988 . 百度学术
4.	童瑞谦，胡夏南，刘优然，秦研，张宁，王强. 基于自动化私有协议识别的挖矿流量检测. 北京航空航天大学学报. 2024(07): 2304-2313 . 百度学术
5.	刘奇旭，肖聚鑫，谭耀康，王承淳，黄昊，张方娇，尹捷，刘玉岭. 工业互联网流量分析技术综述. 通信学报. 2024(08): 221-237 . 百度学术
6.	肖盛忠，毛永强，吴晓丹，赵舒敏. 工业控制系统私有协议解析方法研究. 中国宽带. 2024(02): 70-72 . 百度学术
7.	郑红兵，王焕伟，赵琪，董姝岐，井靖. 基于Tamarin的MQTT协议安全性分析方法. 计算机应用研究. 2023(10): 3132-3137+3143 . 百度学术