⛄一、简介(附参考文献)
K-means将雷达接收到的稀疏数据聚类为不同的簇进行目标检测,聚类结果取决于参数K值和初始化中心的选取。K表示最终所聚类得到的类别,不同初始化聚类中心点和K值会得到不同结果。每一轮迭代重新计算质心位置,直至质心不再变化。
传统K-means聚类为无监督学习,而每个检测场景中毫米波雷达检测的目标数量是一定的。若K值不准确,则聚类结果是错误的。传统的K-means通过肘部原则来确定K值,将检测点与各簇的聚类中心的平方差和定义为畸变函数,如式(1)所示。该函数值会随着K值的增大而降低,达到某个K值后,收敛速度放慢,该K值则为K-means中最佳初始化K值。
式中:d2jc——第c