移動(dòng)對(duì)象軌跡聚類算法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展及移動(dòng)對(duì)象跟蹤技術(shù)的不斷完善，大量的軌跡數(shù)據(jù)被采集，為了找出這些數(shù)據(jù)中隱藏的知識(shí)，移動(dòng)對(duì)象軌跡聚類技術(shù)應(yīng)運(yùn)而生。作為數(shù)據(jù)挖掘的一個(gè)重要研究分支，聚類分析主要是依據(jù)同一聚類簇內(nèi)的對(duì)象相似性最大化而不同聚類簇內(nèi)的對(duì)象相似性最小化的原則來將對(duì)象劃分為若干緊密且獨(dú)立的聚類簇。本文以移動(dòng)對(duì)象的子軌跡聚類算法為研究方向，主要針對(duì)TRACLUS算法存在的缺陷，從考慮算法的聚類因素和改善聚類算法對(duì)參數(shù)的敏感性等方面進(jìn)行了研究和探

2、索，主要工作如下：
　　針對(duì)TRACLUS算法在聚類過程中對(duì)軌跡子段進(jìn)行相似度度量時(shí)沒有考慮到軌跡運(yùn)動(dòng)方向等運(yùn)動(dòng)特征的問題，通過將移動(dòng)對(duì)象運(yùn)動(dòng)的方向特征考慮到聚類因素中，提出了一種基于融合流失量的Hausdorff距離的子軌跡聚類算法HDBSCAN。通過將算法應(yīng)用到真實(shí)的軌跡數(shù)據(jù)上發(fā)現(xiàn)，該算法在保證TRACLUS算法時(shí)間效率的同時(shí)，具有更好的聚類效果。
　　針對(duì)TRACLUS算法對(duì)參數(shù)和MinLns敏感的問題，提出了一種快速

3、搜索的高密度子軌跡聚類算法HFDST。該算法采用劃分與分組框架，同樣在原有的Hausdorff距離中融入了可以表征移動(dòng)對(duì)象方向特征的動(dòng)態(tài)流失量，以此來度量子軌跡的距離；并將《science》上發(fā)表的快速搜索聚類中心的方法應(yīng)用到子軌跡聚類，聚類中心被定義為局部最大密度點(diǎn)，密度計(jì)算僅僅取決于子軌跡之間的距離，該方法不但可以檢測(cè)到非球面聚類簇，也可以自動(dòng)找到正確的聚類簇的個(gè)數(shù)，從而克服了TRACLUS算法對(duì)參數(shù)的依賴性問題。通過將算法應(yīng)用到真