基于密度聚类法和形态学聚类法的驾驶员注视点聚类方法

    公开(公告)号:CN103903276B

    公开(公告)日:2017-01-11

    申请号:CN201410166391.4

    申请日:2014-04-23

    Applicant: 吉林大学

    Abstract: 基于密度聚类法和形态学聚类法的驾驶员注视点聚类方法,属于典型密度聚类方法和数学形态学聚类方法的聚类方法领域。包括:提出密度方法与数学形态学方法相结合的自适应DBSCAN-MMC方法;将方法用于驾驶员注视点聚类;首先使用注视点结构参数设置Eps的取值;通过DBSCAN得到MMC聚类的初始点集并确定聚类数目;使用自适应的MMC聚类减少DBSCAN聚类产生的离群点,并最终完成面向驾驶员注视区域的聚类。本发明充分利用了DBSCAN和MMC的不规则形状聚类优势并较好地弥补了两种聚类方法的缺陷,在进行驾驶员注视区域划分时聚类效果优于常规DBSCAN聚类方法和MMC聚类方法,提高了驾驶员注视点聚类质量。

    基于密度聚类法和形态学聚类法的驾驶员注视点聚类方法

    公开(公告)号:CN103903276A

    公开(公告)日:2014-07-02

    申请号:CN201410166391.4

    申请日:2014-04-23

    Applicant: 吉林大学

    Abstract: 基于密度聚类法和形态学聚类法的驾驶员注视点聚类方法,属于典型密度聚类方法和数学形态学聚类方法的聚类方法领域。包括:提出密度方法与数学形态学方法相结合的自适应DBSCAN-MMC方法;将方法用于驾驶员注视点聚类;首先使用注视点结构参数设置Eps的取值;通过DBSCAN得到MMC聚类的初始点集并确定聚类数目;使用自适应的MMC聚类减少DBSCAN聚类产生的离群点,并最终完成面向驾驶员注视区域的聚类。本发明充分利用了DBSCAN和MMC的不规则形状聚类优势并较好地弥补了两种聚类方法的缺陷,在进行驾驶员注视区域划分时聚类效果优于常规DBSCAN聚类方法和MMC聚类方法,提高了驾驶员注视点聚类质量。

Patent Agency Ranking