改进DBSCAN算法在校园轨迹数据相似性的应用

摘要

针对如何更准确地分析校园无线网络数据中隐藏的社交关系亲密度,本文提出了改进DBSCAN时空聚类算法.首先,通过采集校园无线网络数据,在根据学生连接WiFi的地点,时间等信息形成时空轨迹.运用改进的算法对时空轨迹聚类.其次,对聚类结果进行特征轨迹提取,运用LCSS算法进行相似性对比,轨迹间相似度越高说明关系比较亲密;相似度越低,可能是较孤僻的学生,老师需要进一步排查和引导教育.最后,运用FinBI对轨迹聚类结果可视化展示.实验结果表明,该算法提高了聚类结果的准确性和有效性,为解决其他相似性问题提供思路.