基于改进动态时间规整的相似性度量及轨迹聚类

摘要：

针对传统轨迹相似性计算方法度量效果不佳,且当时间序列数据过度扭曲时相似性度量难以取得好的效果.鉴此基于诸多实际应用之精度和实时性需求,基于动态时间规整算法,结合轨迹平移的思路及全局变量约束的思想,通过算法优化和参数分析给出了一种改进动态时间规整算法.数值实验结果表明改进算法在轨迹相似性度量上的识别率为90％,与经典算法相比提高了 41.25％,度量精度明显提升.进而作为轨迹相似性度量函数结合谱聚类算法应用于轨迹数据聚类分析中,仿真轨迹数据实验结果表明基于改进算法的聚类分析能够清晰区分轨迹簇、聚类效果较为理想.

关键词：动态时间规整、数据挖掘、相似性度量、谱聚类

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1-5