排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
基于密度峰值聚类的中尺度涡轨迹自动追踪方法 总被引：1，自引：1，他引：0
中尺度涡信息的提取包括涡旋的识别和轨迹追踪，其自动识别与追踪对于基于海量数据的中尺度涡分析十分重要。传统涡旋轨迹自动追踪方法一般需要预先设定搜索半径的阈值，存在一定的主观性。针对传统中尺度涡轨迹追踪方法存在的问题，论文从聚类的角度出发，提出基于密度峰值聚类算法实现对涡旋轨迹的自动追踪，并以南海中尺度涡追踪为例，将基于聚类的追踪算法与传统的相似度追踪算法进行比较分析。结果表明:（1）基于密度峰值聚类算法，可实现对海洋中尺度涡的自动追踪，该算法涡旋追踪准确率优于传统相似度算法；（2）该涡旋追踪算法对资料的完整性依赖度较低，特别是对于存在部分缺损数据的情况仍能较准确追踪；（3）该追踪算法克服了传统涡旋追踪算法需要预先设定搜索半径阈值的问题，自适应性更强。 相似文献
2.
针对狭长空间无人车辆路径规划系统，提出一种基于改进的快速搜索随机树(rapidly-exploring random trees,RRT)路径规划算法，以解决传统RRT算法随机性较大、路径缺乏安全性的问题.该算法通过加入自适应目标概率采样策略、动态步长策略对传统的RRT算法进行改进，同时考虑到实际情况中无人驾驶车辆的动力学约束，该算法加入车辆碰撞约束和路径转角约束，并针对转角约束会导致迭代次数激增的问题提出了一种限制区域内随机转向的策略，最终得到一条安全性较高的路径.采用计算机仿真对所提算法和现有算法的性能进行对比验证.所提算法在狭长空间相较于传统人工势场引导下的RRT算法迭代次数降低了33.09%，规划时间减少了6.44%，路径长度减少了0.06%，并且在简单环境和复杂障碍物环境下规划能力均有提升.所提算法规划效率更高、迭代次数更少. 相似文献
1