10.3969/j.issn.1002-8978.2017.04.016
基于密度峰值的轨迹聚类算法
基于分割聚类框架的TRACLUS算法是轨迹聚类领域中具有代表性的方法.但TRACLUS在中心线两侧轨迹点偏离较大时,无法找到最优的分割点,同时又依赖于输入参数的精细调整.针对这些不足,该文提出一种新的基于密度峰值的轨迹聚类算法(trajectory clustering based on density peaks,TCDP).TCDP包含两个步骤,首先,利用提升的基于最小描述长度的分割算法,将轨迹分割为子轨迹.通过引入平行夹边实现前向探测地分割,提高轨迹分割的准确性.其次,基于子轨迹聚类中心具有较高的局部密度并被低密度的子轨迹所围绕,而不同聚类中心之间存在较远距离的思想,实现了基于密度峰值的子轨迹聚类,以此增强算法对输入参数的鲁棒性.TCDP解决了TRACLUS算法的不足.实验结果表明,TCDP具有更好的轨迹聚类效果.
轨迹、子轨迹、聚类、分割、密度峰值
36
TN0(一般性问题)
2017-06-20(万方平台首次上网日期,不代表论文的发表时间)
共7页
59-65