49、手势输入与GPS轨迹生物识别技术解析

手势输入与GPS轨迹生物识别技术解析

1. 阈值聚类与数据集

在处理阈值时，采用随机交换（RS）算法对阈值进行聚类。该算法进行10,000次迭代，聚类数量为16个。它在K - Means和质心随机重定位之间交替进行，以避免陷入局部最优。通常，算法在几百次迭代后就会收敛到最终结果，但由于该算法速度较快，使用10,000次迭代能提高找到最优分区的概率。从聚类结果中，选取具有最高相似度路线的聚类。

使用Mopsi20145数据集进行实验，它是截至2014年底从Mopsi数据库收集的所有路线的子集。该数据集包含6,779条路线，由51位拥有10条以上路线的用户记录。这些路线涵盖了步行、骑行、徒步、慢跑、定向运动、滑雪、驾驶、乘坐公交、火车或船只等多种活动。大部分路线位于芬兰约恩苏地区，形成了一个非常适合测试该方法的密集区域。数据集的统计信息如下表所示：
| 类别 | 数量 |
| ---- | ---- |
| 路线 | 6,779 |
| 点 | 7,850,387 |
| 公里数 | 87,851 |
| 小时数 | 4,504 |

实验在Dell R920，4 x E7 - 4860（共48核），1 TB内存，4 TB SAS硬盘的设备上进行。

2. 搜索效率分析

搜索效率与数据库大小和网格分辨率成正比。网格的选择取决于在地图上查看目标路线所需的缩放级别，小路线适合使用较高的缩放级别查看。同时，网格也依赖于屏幕大小。为了更好地理解这一点，计算了Mopsi2014数据集中每条路线的最佳查看缩放级别，即能在屏幕上显示整个路线的最大缩放级别。结果显示，最低缩放级别很少使用，因为处于该缩