基于膨胀运算的移动对象兴趣点检测方法

摘要：

针对传统兴趣点检测算法在准确性和效率方面的不足,提出基于膨胀运算的移动对象兴趣点检测方法(DMDO).通过矩阵二值化操作滤除停留点噪声,提高预测准确率,并用膨胀运算替代传统方法中的聚类算法提高算法效率.将DMDO在开放空间数据集AMSA和IMIS3Days上进行仿真实验,结果表明:DMDO相比基于密度的空间聚类算法,在数据集AMSA上准确率平均提高17.94％,算法效率提高6.63倍;在数据集IMIS3 Days上准确率平均提高19.98％,算法效率提高9.13倍;相比以聚类点排序结果确定聚类结构算法,DMDO在数据集AMSA上准确率平均提高20.04％,算法效率提高14.61倍;在数据集IMIS3 Days上准确率平均提高16.60％,算法效率提高42.19倍;DMDO相比传统方法均表现出较高的预测准确性、较低的时间开销,适用于解决大数据背景下的移动对象兴趣点检测问题.

关键词：信息处理技术、轨迹数据挖掘、兴趣点检测、膨胀运算、开放空间

所属期刊栏目：38

分类号：TP181(自动化基础理论)

在线出版日期：2017-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2041-2047