轨迹聚类(二):分段及归组框架(Trajectory Clustering:A Partition-and-Group Framework)

本文详细介绍了线段聚类,特别是基于DBSCAN的线段聚类算法。定义了线段的密度、ε邻域、核心线段等概念,并提供了线段聚类算法的步骤,包括计算密度相连集合并淘汰不密集簇。最后讨论了轨迹簇的可视化表示,通过计算平均轨迹来展现簇的整体信息。

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

该博文承接上一篇:
http://blog.youkuaiyun.com/jsc9410/article/details/51008444

4.线段聚类

对于线段聚类,原文采用的DBSCAN的算法,我在这篇博文里有详细讨论:
http://blog.youkuaiyun.com/jsc9410/article/details/51004057
由于DBSCAN的算法属于基于密度的聚类算法,而对于DBSCAN的研究大多是在散点的聚类背景下,因此有必要定义线段的密度。

4.1 基于线段聚类的DBSCAN名词定义

  1. 线段 Li Lj 之间的距离:回顾上篇博文有:
    dist(Li,Lj)=wd(Li,Lj)+wd(Li,Lj)+wθdθ(Li,Lj)
  2. 线段的 ε 邻域 Nε(Li) :
    Nε(Li)={ LjD|d
评论
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