首页|基于稀疏子集分析的轨迹聚类发现

基于稀疏子集分析的轨迹聚类发现

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
论文中分析了城市出租车的轨迹和检测社会集群.为了更好地检测轨迹中可能的群落,提出了一种鲁棒的社区检测算法.该算法从轨迹集中提取数据特征空间关系矩阵,并使用这个矩阵定义轨迹相似度矩阵.将相似度矩阵变换为相异度矩阵,基于相异度的稀疏子集选择(DS3)算法用于分析多个稀疏子集.每个子集对应于一个集群,该集群是要检测的社区.这可以避免陷入局部最优,不需要进行算法迭代和多次计算来提高社区检测的准确性和效率.实验结果证明了该方法的有效性.
Track Clustering Discovery Based on Sparse Subset Analysis

薛璇、陈平华

展开 >

广东工业大学计算机学院 广州 510006

社区发现 轨迹 聚类

国家自然科学基金广东省科技计划项目广东省科技计划项目广东省科技计划项目

615721442017B0303070022015B0101100012016B030306002

2021

10.3969/j.issn.1672-9722.2021.01.028

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(1)
  • 18