道格拉斯-普克Douglas-Peuker轨迹抽希算法和聚类算法联合应用于GPS轨迹数据处理

本文探讨了Douglas-Peuker轨迹抽稀算法与一种轨迹序列聚类算法结合的潜力,旨在通过综合两种算法的优势,实现更精细的轨迹处理效果。一方面保留轨迹主要特征点,另一方面有效剔除聚集的冗余点。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、引言

javascript实现道格拉斯-普克Douglas-Peuker轨迹抽希算法_douglas-peucker js写法-优快云博客中介绍了Douglas-Peuker轨迹抽稀算法的实现,模仿dbscan聚类算法过滤清洗轨迹数据_js 轨迹点过滤-优快云博客中介绍了一种轨迹序列聚类算法。其中,前者删除细节保留框架(删除小于阈值的点,保留轨迹的主要特征点)如图1,一些波动较大的聚集点得以保留;而后者将大量聚集的点剔除,如图2中青色的小圆点,试想如果将两者结合起来,肯定会得到更好的轨迹处理结果。

                                                                                              图一

                                                                                             图二

详细算法过程见我的文章:

优快云

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值