基于 DBSCAN 的农机作业轨迹聚类研究

• 作者: 吐尔逊·买买提 谢建华
• 来源期刊: 农机化研究
• 学科: 农学
• 关键词: 农业机械 作业轨迹 密度聚类 轨迹识别
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 农业发展新视点
• 页码范围: 7-11
• 页数: 5页
• 分类号: S126|TP391
• 字数: 3685字
• 语种: 中文

摘要

农业机械在田间作业过程中，时间和空间维度上产生大量的作业数据，对农业机械作业轨迹数据进行聚类分析在农机作业状态分析和效率研究中具有重要意义。为此，应用 DBSCAN ( Density-Based Spatial Clustering of Applications with Noise )算法对模拟农业机械作业轨迹进行分析，设计了基于密度聚类的农机作业状态分类算法。对模拟数据的聚类结果表明：该方法正确分类农机作业班次内的有效作业轨迹、空行转移轨迹和停歇轨迹的精度达到98.33%、70%和100%。聚类作业轨迹反映的农机利用率为95.35%，为农机田间作业轨迹研究提供了依据。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢建华	新疆农业大学机械交通学院	56	390	9.0	17.0
2	吐尔逊·买买提	新疆农业大学机械交通学院	13	46	4.0	5.0