(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211111968.2 (22)申请日 2022.09.13 (71)申请人 中国人民解 放军陆军工程大 学 地址 430075 湖北省武汉市珞喻东路42号 (72)发明人 梁少军　张世荣　杨毅　鲁漫洁　 梁瑜　 (74)专利代理 机构 武汉宇晨专利事务所(普通 合伙) 42001 专利代理师 李鹏 (51)Int.Cl. G06K 9/62(2022.01) G06F 17/16(2006.01) (54)发明名称 一种基于非对称k近邻矩阵的增量式共享近 邻获取方法 (57)摘要 本发明公开了一种基于非对称k近邻矩阵的 增量式共享近邻获取方法， 获取无人机飞行数据 集D的原始共享近邻矩阵， 更新k近邻距离向量、 非对称k近邻矩阵， 计算无人机飞行数据集D 对应 的上三角共享近邻矩阵以及原始共享近邻矩阵； 计算新添数据点dp的k近邻行向量和逆k近邻列 向量， 更新非对称k近邻矩阵； 非对称k近邻矩阵 赋值； 赋值更新后的共享近邻矩阵， 替换更新后 的共享近邻矩阵中的部分数据点， 新添数据点dp 插入无人机飞行数据集D， 替换非对称k近邻矩阵 和原始共享近邻矩阵， 重复上述步骤。 本发明算 法实现了共享近邻的增量式获取， 将现有静态共 享近邻获取方法推广到 了动态。 权利要求书4页 说明书8页 附图4页 CN 115456072 A 2022.12.09 CN 115456072 A 1.一种基于非对称k近邻矩阵的增量式共享近邻获取方法， 其特征在于， 包括以下步 骤： 步骤1， 获取无人机飞行数据集D的原始共享近邻矩阵， 无人机飞行数据集D的数据点的 个数赋值到数据量m， 初始化并更新k近邻距离向量k_distv ector， 初始化并更新非对称k近 邻矩阵ak_matrix， 计算无人机飞行数据集D对应的上三角共享近邻矩阵us_ matrix， 根据上 三角共享近邻矩阵us_mat rix获得无人机飞行 数据集D对应的原 始共享近邻矩阵s_mat rix； 步骤2、 计算新添数据点dp的k近邻行向量pk_vector和逆k近邻列向量rpk_vector， 并更 新非对称k近邻矩阵ak_mat rix； 初始化扩维后的非对称k近邻矩阵pk_mat rix并赋值； 步骤3、 初始化并赋值更新后的共享近邻矩阵ps_matrix， 结合新添数据点dp对步骤3.2 中更新后的共享近邻矩阵ps_mat rix中的部分数据点 替换； 步骤4、 将数据量 m自增1， 新添数据点dp插入无人机飞行数据集D构成新的无人机飞行数 据集D， 将非对称k近邻矩阵ak_ matrix替换为扩维后的非对称k近邻矩阵pk_ matrix， 将原始 共享近邻矩阵s_matrix替换为更新后的共享近邻矩阵ps_matrix， 取下一个新添数据点并 重复步骤2和步骤3 。 2.根据权利要求1所述的一种基于非对称k近邻矩阵的增量式共享近邻获取方法， 其特 征在于， 所述的步骤1包括以下步骤： 步骤1.1， 输入无人机飞行数据集D， 无人机飞行数据集D的数据点的个数赋值到数据量 m， 计算每 个数据点在无 人机飞行 数据集D中的k个最近邻； 步骤1.2， 初始化非对称k近邻矩阵ak_matrix为m行m列的全0矩阵， 初始化k近邻距离向 量k_distvector为m行1列的全0向量； 步骤1.3， 按照下式更新 步骤1.2中k近邻距离向量 k_distvector： 其中， k_distvector(i1)表示k近邻距离向量k_distvector中第i1行第1列的数据点， dt1为数据点di1的k近邻集合NNk(di1)中的任意一个数据点， 数据点di1为无人机飞行数据集D 中第i1个数据点， i1表示序号， i1∈[1,m ]； 步骤1.4， 按照下式更新 步骤1.2中非对称k近邻矩阵ak_mat rix： 其中， di2和dj2分别表示无人机飞行数据集D中的第 i2个和第j2个数据点， NNk(di2)为无 人机飞行数据集D中数据 点di2除自身外的k个最近邻集合， ak_matrix(i2,j2)表示非对称k 近邻矩阵ak_mat rix中的第i2行第j2列数据， i2， j2∈[1,m ]； 步骤1.5， 基于步骤1.4得到的非对称k近邻矩阵ak_matrix计算无人机飞行数据集D对 应的上三角共享近邻矩阵us_matrix， 其中上三角共享近邻矩阵us_matr ix中的第i3行第j3 列数据us_mat rix(i3,j3)由下式得到：权　利　要　求　书 1/4 页 2 CN 115456072 A 2其中， ak_matrix(i3,:)和ak_matrix(j3,:)T分别表示非对称k近邻矩阵ak_matrix中第 i3行数据组成的向量和第j3行 数据组成的向量的转置向量， i3， j3∈[1,m ]， i3≤j3； 按照下式计算无 人机飞行 数据集D对应的原 始共享近邻矩阵s_mat rix： s_matrix＝us_mat rix+us_mat rixT。 3.根据权利要求1所述的一种基于非对称k近邻矩阵的增量式共享近邻获取方法， 其特 征在于， 所述的步骤2包括以下步骤： 步骤2.1， 输入新添 数据点dp； 步骤2.2， 计算新添数据点dp与无人机飞行数据集D中每个数据点的距离， 将距离值排序 即可得到新添数据点dp在无人机飞行数据集D中的k近邻集合NNk(dp)， 按照下式计算新添数 据点dp的k近邻行向量pk_vector和逆k近邻列向量rpk_vector， 并更新非对称k近邻矩阵 ak_matrix： (1) (2) (3) 上式中pk_vector(1,j4)表示新添数据点dp的k近邻行向量的第1行第j4列数据点， dj4 表示无人机飞行 数据集D中第j4个数据点， j4∈[1,m ]， rpk_vector(i4,1)表示新添数据点dp的逆k近邻列向量的第i4行第1列数据点， di4表示 无人机飞行数据集D中第i4个数据点， k_distvector(i4)表示k近邻距离向量k_di stvector 中第i4行第1列的数据点， i 4∈[1,m]， ak_matrix(i5,t5)表示非对称k近邻矩阵的第i5行第t5列数据点， dt5为无人机飞行数 据集D中第i5个数据点di5的k近邻集合NNk(di5)中的任意一个数据点， k_distvector(i5)表 示k近邻距离向量 k_distvector中第i5行第1列的数据点， i5， t5∈[1,m ]； 步骤2.3， 初始化扩维后的非对称k近邻矩阵pk_matrix为m+1行m+1列的全0矩阵， 按照 下式对扩维后的非对称k近邻矩阵pk_mat rix赋值： pk_matrix(1:m,1:m)＝ak_mat rix pk_matrix(m+1,1:m)＝pk_vector pk_matrix(1:m,m+1)＝rpk_vector pk_matrix(m+1,m+1)＝0 上式中pk_matrix(1:m,1:m)表示扩维后的非对称k近邻矩阵pk_matrix的第 1至m行以 及第1至m列数据点， pk_matrix(m+1,1:m)表示扩维后的非对称k近邻矩阵pk_matrix的第m+权　利　要　求　书 2/4 页 3 CN 115456072 A 3