基于群组与密度的轨迹聚类算法

• 作者: 俞庆英 赵亚军 叶梓彤 胡凡 夏芸
• 来源期刊: 计算机工程
• 关键词: 群组 密度 群组可达 邻域搜索 轨迹聚类
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 人工智能与模式识别|Artificial Intelligence and Pattern Recognition
• 页码范围: 100-107
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057425

摘要

现有基于密度的聚类方法主要用于点数据的聚类,不适用于大规模轨迹数据.针对该问题,提出一种利用群组和密度的轨迹聚类算法.根据最小描述长度原则对轨迹进行分段预处理找出具有相似特征的子轨迹段,通过两次遍历轨迹数据集获取基于子轨迹段的群组集合,并采用群组搜索代替距离计算减少聚类过程中邻域对象集合搜索的计算量,最终结合群组和密度完成对轨迹数据集的聚类.在大西洋飓风轨迹数据集上的实验结果表明,与基于密度的TRACLUS轨迹聚类算法相比,该算法运行时间更短,聚类结果更准确,在小数据集和大数据集上的运行时间分别减少73.79％和84.19％,且运行时间的减幅随轨迹数据集规模的扩大而增加.