[发明专利]一种基于维度分解的密度聚类类标模式识别方法

权利要求书

1.一种基于维度分解的密度聚类类标模式识别方法，其特征在于，包括以下步骤：

步骤1、输入聚类后的无人机的训练数据X＝x₁,x₂,…,x_m，其中m为训练数据总数，训练数据的维度为n，

输入训练数据X对应的训练数据类标

输入聚类核心点索引集合C和邻域半径Eps，

输入无人机的测试数据T＝t₁,t₂,…,t_p，其中p为测试数据的总数，测试数据的维度为n，

步骤2、按照聚类核心点索引集合C从训练数据X中取出核心点矩阵CX，A^C为核心点矩阵CX中核心点的总数，CX_i表示核心点矩阵CX中第i个核心点，为核心点CX_i的n个维度值，i的范围为[1,A^C]，

步骤3、取无人机测试数据矩阵中第k个测试数据t_k，为测试数据t_k的n个维度值，遍历核心点矩阵CX中所有核心点，若第i个核心点CX_i各维度值满足：

j为核心点的维度序号，j的范围为[1，n]，

则将核心点CX_i存入测试数据t_k的邻近核心点集合N₁，

步骤4，分析测试数据t_k的邻近核心点集合N₁，对测试数据t_k的聚类类标进行识别，

步骤5，重复步骤3至步骤4遍历无人机测试数据矩阵中的各个测试数据。

2.根据权利要求1所述的一种基于维度分解的密度聚类类标模式识别方法，其特征在于，所述的步骤4包括以下步骤：

步骤4.1，若测试数据t_k的邻近核心点集合N₁为空，则将测试数据t_k标记为噪声点；

步骤4.2，若测试数据t_k的邻近核心点集合N₁中只有一个核心点，记为核心点CX_r，则进一步判断下式是否成立：

||CX_r-t_k||₂≤Eps

其中，||·||₂表示取2范数运算，

若上式成立，则

上式中，表示核心点CX_r的聚类类标，为测试数据t_k的聚类类标，

若不成立，则将测试数据t_k标记为噪声点；

步骤4.3，若测试数据t_k的邻近核心点集合N₁中核心点数量大于1，从测试数据t_k的邻近核心点集合N₁中剔除距离测试数据t_k的欧式距离大于Eps的核心点，获得新邻近核心点集合分析新邻近核心点集合识别测试数据t_k的聚类类标。

3.根据权利要求2所述的一种基于维度分解的密度聚类类标模式识别方法，其特征在于，所述的步骤4.3包括以下步骤：

步骤4.3.1，从测试数据t_k的邻近核心点集合N₁中剔除距离测试数据t_k的欧式距离大于Eps的核心点，获得新邻近核心点集合

步骤4.3.2，若新邻近核心点集合为空，则将测试数据t_k标记为噪声点；

步骤4.3.3，若新邻近核心点集合中只有一个核心点，记为核心点CX_f，则

上式中，表示核心点CX_f的聚类类标，为测试数据t_k的聚类类标；

步骤4.3.4，若新邻近核心点集合中核心点的数量为多个且聚类类标相同，则将新邻近核心点集合中核心点的聚类类标作为测试数据t_k的聚类类标

步骤4.3.5，若新邻近核心点集合中核心点的数量为多个且聚类类标不同，则在新邻近核心点集合中找出与测试数据t_k欧式距离最近的核心点CX_z，表示核心点CX_z的聚类类标，将核心点CX_z的聚类类标作为t_k的聚类类标