轨迹聚类分析问题

标签：

一、对于基于密度的dbScan：

     1、 dbScan 第一步选粗略划分出来的类是否相交合并问题

        （1）合并，两两小分类，只要有交集，便合并为一个大类。问题：数据点过多的时候，数据密度大，容易引起大规模数据串联起来，归为一类，轨迹聚类结果，准确性较差（下图所有操作均为针对300条名航轨迹，大约24000个点）

                                   图1 俯视图概况（对关键点dbScan 聚类，完全合并两两相交结果集）

                                  图2 针对图1 局部放大（合并相交结果集，发现合并后，直观不应归为一类的点集被合并，分类太粗糙）

                                 图3 差异度阈值为0.3，轨迹聚类结果（合并相交结果集，发现合并后，直观不应归为一类的点集被合并，分类太粗糙）

                              图4 差异度阈值为0.15

    2、 dbScan 最长子序列匹配关键点类别单选与全选问题（例如： ）

轨迹聚类分析问题

标签：

原文地址：http://www.cnblogs.com/1995hxt/p/5469621.html