移动对象高密度子轨迹聚类算法
针对传统DBSCAN算法可以发现任意形状的聚类簇,但很难选择出合适参数的问题,将快速搜索高密度点的方法应用到轨迹聚类.融合流失量概念,采用Hausdorff距离替代传统的欧式距离,并用轨迹子段代替轨迹中的点,提出一种快速搜索的移动对象高密度子轨迹聚类算法(HFDST).HFDST算法通过两个参数theRho和theDelta确定聚类中心,利用递归函数NearestNeighbor确定其它未被分类的轨迹子段,从而解决了DBSCAN算法因两个参数和MinLns选取过大或过小而影响聚类结果的问题.在真实移动对象轨迹数据上的大量对比实验结果表明,HFDST算法能够在轨迹子段集中发掘出更多隐藏信息,具有更好的聚类效果和更高的时间效率,并且对参数有很好的鲁棒性.
聚类、子轨迹、流失量、快速搜索、高密度
37
TP311(计算技术、计算机技术)
国家自然科学基金项目U1433116;航空科学基金项目20145752033
2016-10-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
2014-2018