《表1 航迹训练样本数据：基于历史航迹特征的飞行意图识别》
提示：宽带有限、当前游客访问压缩模式
分别采用文献[1]方法和本文方法对航迹进行聚类，选取500条未标记航迹训练样本数据进行聚类仿真实验，对其均值化如表1所示。
| 图表编号 | XD00112672800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.15 |
| 作者 | 何艳、王运锋 |
| 绘制单位 | 四川大学计算机学院、四川大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 航迹规划结果：多约束条件下某智能飞行器航迹快速规划》2021.01.25
- 《表4 航迹规划结果：多约束条件下某智能飞行器航迹快速规划》2021.01.25
- 《表3 航迹规划结果：多约束条件下某智能飞行器航迹快速规划》2021.01.25
- 《表3 航迹规划结果：多约束条件下某智能飞行器航迹快速规划》2021.01.25
- 《表2 数据集示例：多约束条件下某智能飞行器航迹快速规划》2021.01.25
- 《表1 符号说明：多约束条件下某智能飞行器航迹快速规划》2021.01.25
- 《续表1：基于蚁群算法对飞行器航迹规划的研究》2020.12.01
- 《表2 历史真实航迹文件内容》2020.11.25
- 《表5:CHH7046的DOD数据与航迹CES9791飞行数据比对列表》2020.02.15
- 《表1 航迹动态信息：基于WebGIS的航空器飞行监控应急管理系统设计与实现》2020.06.30
- 《表3 样本训练次数比较：基于循环神经网络的船舶航迹预测》2020.04.01
- 《表3 测试样本数据：基于历史航迹特征的飞行意图识别》2019.10.15
- 《表4 识别率结果：基于历史航迹特征的飞行意图识别》2019.10.15
- 《表2 本文特征集：基于历史航迹特征的飞行意图识别》2019.10.15
- 《表1 模拟数据示例：基于卷积神经网络的雷达目标航迹识别研究》2019.09.01
- 《表3 判别器D分类标准：基于全连接神经网络的雷达目标航迹识别》2019.09.20
- 《表2 航迹标签表：基于全连接神经网络的雷达目标航迹识别》2019.09.20
- 《表2 假目标识别时刻：基于UKF航迹滤波的干扰目标智能识别算法研究》2019.02.01
- 《表1 仿真初始参数：基于UKF航迹滤波的干扰目标智能识别算法研究》2019.02.01
- 《表1 仿真数据对比：基于改进RRT算法的无人机实时航迹规划》2019.02.20