[发明专利]一种基于聚类集成的黑工地检测算法

权利要求书

1.一种基于聚类集成的黑工地检测算法，其特征在于，包括先决条件：

R1：用户在渣土车大数据平台创建GPS终端固件信息，上传GPS终端固件信息；R2：用户在渣土车大数据平台设定了所有合法的工地围栏；R3：渣土车大数据平台实时解析程序实时计算出的非合法工地违规装土信息；R4：用户输入黑工地聚类的初始距离阈值T₁、T₂经验值；

达成条件后，对非合法工地违规装土信息进行聚类分析：

S1：数据清洗，提取渣土车大数据平台实时计算出的非合法工地违规装土信息中的位置信息，过滤清洗掉脏数据，提高数据的质量；

S2：对清洗后的数据，利用改进的canopy聚类算法对数据进行聚类；

S3：在S2的基础上，利用k-means聚类算法对黑工地进行实时聚类检测；

S4：将检测结果写入数据库，供前台进行图形化直观展示。

2.根据权利要求1所述的一种基于聚类集成的黑工地检测算法，所述的过程S2的具体流程为：

S21：将原始样本集随机排列成样本列表L=[x₁,x₂,...,x_m]，使用用户输入的初始距离阈值T₁、T₂经验值或根据交叉验证调参设定初始距离阈值T₁、T₂，且T₁T₂ ；

S22：从列表L中随机选取一个样本P作为第一个canopy的质心，并将P从列表中删除；

S23：从列表L中随机选取一个样本Q，计算Q到所有质心的距离，考察其中最小的距离D：

如果D≤T₁，则给Q一个弱标记，表示Q属于该canopy，并将Q加入其中；

如果D≤T₂，则给Q一个强标记，表示Q属于该canopy，且和质心非常接近，所以将该canopy的质心设为所有强标记样本的中心位置，并将Q从列表L中删除；

如果DT₁，则Q形成一个新的聚簇，并将Q从列表L中删除；

S24：重复第三步直到列表L中元素个数为零，或者比较某一次循环和上一次循环的list，如果相同，说明没有变化，则结束任务。

3.根据权利要求1所述的一种基于聚类集成的黑工地检测算法，过程S3具体流程如下：

S31：把数据分成k类，k为第3步canopy算法计算出的聚类个数，选取3步canopy算法计算出的所有聚类簇的强标记点的中心作为初始聚类中心；

S32：计算每个点分别到k个聚类中心的距离，然后将该点分到最近的聚类中心，这样就行成了k个簇；

S33：再重新计算每个簇的质心（均值）；

S34：重复以上S32~S34步，直到质心的位置不再发生变化或者达到设定的迭代次数。