1.一种车载雷达测量数据的聚类方法,其特征在于,所述方法包括:
获取车载雷达的测量数据,作为待聚类的数据集;
计算数据集中每个测量数据的密度;
按照密度的大小,确定数据集中属于峰值点的测量数据;
根据峰值点,计算数据集的聚类信息,其中聚类信息中包括的聚类数量为车载雷达的测量数据中的目标数量。
2.如权利要求1所述的方法,其特征在于,计算数据集中每个测量数据的密度,包括:
针对数据集中的每个测量数据:计算本测量数据与数据集中其它所有测量数据的欧式距离;计算与本测量数据的欧式距离小于预设的第一邻域阈值的测量数据的个数,将该个数作为本测量数据在预设的第一邻域范围内的密度。
3.如权利要求1所述的方法,其特征在于,按照密度的大小,确定数据集中属于峰值点的测量数据,包括:
针对数据集中的每个测量数据:判断在预设的第二邻域范围内是否存在高于自己密度的测量数据;如果是,确定本测量数据属于普通点,否则确定本测量数据属于峰值点。
4.如权利要求3所述的方法,其特征在于,根据峰值点,计算数据集的聚类信息,包括:
基于欧式距离,识别属于同一类的峰值点;
将属于同一类的峰值点划分为一个聚类,取一个聚类内所有峰值点的平均值作为聚类中心;
将数据集中除所有的属于同一类的峰值点之外的每个峰值点作为一个独立的聚类,聚类中心为作为独立的聚类的峰值点本身;
计算得到的全部聚类的数量;
将数据集中的普通点划分给对应的聚类。
5.如权利要求4所述的方法,其特征在于,基于欧式距离,识别属于同一类的峰值点,包括:
提取确定得到的所有峰值点中满足如下条件的峰值点:峰值点是聚类中心的概率大于预设的概率阈值;
在提取得到的峰值点中,基于欧式距离识别属于同一类的峰值点。
6.如权利要求5所述的方法,其特征在于,在按照密度的大小确定数据集中属于峰值点的测量数据之后,基于欧式距离识别属于同一类的峰值点之前,还包括:
按照如下公式,计算各峰值点为聚类中心的概率:
其中,ξ(xi)为数据集中当前峰值点xi为聚类中心的概率,ρ(xi)为数据集中当前峰值点xi的密度值,ρ(xj)为数据集中非当前峰值点的测量数据xj的密度值,d(xi,xj)为当前峰值点xi和非当前峰值点的测量数据xj的欧式距离,p[d(xi,xj)]为基于当前峰值点xi和非当前峰值点的测量数据xj的欧式距离的概率,欧式距离越大则概率越大。
7.如权利要求1-6中任一项所述的方法,其特征在于,在根据峰值点,计算数据集的聚类信息之后还包括:基于计算得到的聚类信息,采用基于目标函数的模糊聚类算法,对数据集中的测量数据进行分类。
8.如权利要求1-6中任一项所述的方法,其特征在于,在按照密度的大小,确定数据集中属于峰值点的测量数据之前,还包括:
将数据集中在第一邻域范围内的密度低于预设的噪声阈值的测量数据滤除。
9.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至8中任一项所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至8中任一项所述的方法。