一种基于密度峰值的自适应时空轨迹聚类方法

摘要

本发明公开的属于轨迹模拟技术领域，具体为一种基于密度峰值的自适应时空轨迹聚类方法，提出在轨迹间相似性度量方法中加入对时间维度的度量，采用Hausdorff距离通过生成时间同步子轨迹来计算轨迹间的整体相似度。该基于密度峰值的自适应时空轨迹聚类方法，能够体现轨迹数据的时间同步性，在密度峰值聚类中引入KNN算法，重新定义了局部密度计算方法，解决了密度峰值聚类对参数敏感问题，同时提高了聚类质量，在聚类中心的选择上提出了稳定的自适应选择算法，理论分析与基于真实数据集的实验结果证明了ATDP算法的稳定性和有效性，能够在不同的应用背景下取得较好的聚类效果，准确反映移动目标的整体运动趋势。