障碍空间中基于Voronoi图的不确定数据聚类算法

作者：万静; 崔美玉; 何云斌; 李松

来源：计算机研究与发展, 2019, 56(05): 977-991.

• 静态障碍
• 动态障碍
• KL距离
• 不确定数据
• Voronoi图

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STAORVUBSCAN算法)、障碍物动态增加情况下的不确定聚类算法(简称DYNOCVUBSCAN算法)、障碍物动态减少情况下的不确定聚类算法(简称DYNORVUBSCAN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DYNOMVUBSCAN算法)都具有较高的效率.

• 单位
  哈尔滨理工大学