基于K-means算法的轨迹数据热点挖掘算法

• 作者: 徐文进 管克航 马越 黄海广
• 来源期刊: 计算机与现代化
• 关键词: 显著水平a KL散度 时间维度 聚类有效性度量 轨迹热点
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 人工智能|ARTIFICIAL INTELLIGENCE
• 页码范围: 23-28,34
• 页数: 7页
• 分类号: TP306
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2021.10.004

摘要

针对渔船轨迹数据具有时间序列性、数量大的特点,提出一种轨迹热点挖掘算法.该算法克服了K-means算法在渔船轨迹数据上无法捕捉热点分布的缺点.其主要的思想是:首先使用时间维度来处理数据,以置信度和KL散度作为衡量所选取数据的可靠性、正确性依据,从大量的轨迹数据中选取信息含量较高的数据,然后使用K-means聚类算法进行数据的聚类.本文所提出的算法只需要设定显著水平参数a和时间间隔T,算法本身就可通过时间维度处理数据的方法自主完成数据的选择以及置信度、KL散度的计算,并引入聚类有效性度量的方法,使K-means通过自我寻找K值来实现热点挖掘的整个过程.在渔船轨迹数据上进行本文算法与K-means算法的对比实验和数据热力图的参照实验,结果显示本文所提的算法在寻找轨迹数据热点上有优越性和正确性.