基于信息瓶頸算法的運(yùn)動軌跡聚類及可視化.pdf

1、軌跡聚類是將相似的軌跡分組，是分析運(yùn)動軌跡數(shù)據(jù)的一項(xiàng)非常重要的技術(shù)。實(shí)際上，大多數(shù)聚類算法都面臨兩個具有挑戰(zhàn)性問題，即選取合適的軌跡間距離度量方法和確定最優(yōu)的聚類個數(shù)。凝聚式的信息瓶頸算法通過引入特征空間，利用特征空間及聚類結(jié)果之間互信息最大化，同時保證聚類結(jié)果及原始軌跡數(shù)據(jù)集之間互信息最小化這一“瓶頸”，達(dá)到獲得最優(yōu)聚類個數(shù)的聚類結(jié)果的目標(biāo)。本文利用軌跡的形狀特征進(jìn)行核密度估計(jì)，建立起原始軌跡數(shù)據(jù)集、特征空間及聚類結(jié)果之間的信息通道，

2、對運(yùn)動軌跡進(jìn)行基于凝聚式信息瓶頸算法的聚類分析，而且，本文提出了對凝聚式信息瓶頸算法的改進(jìn)，即具有異常的凝聚式信息瓶頸算法，來處理軌跡數(shù)據(jù)集中包含異常數(shù)據(jù)的情況。通過大量在合成數(shù)據(jù)、模擬數(shù)據(jù)和真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)，驗(yàn)證本文提出聚類算法應(yīng)對軌跡數(shù)據(jù)集中包含異常數(shù)據(jù)的聚類有效性，而且與廣泛應(yīng)用的聚類算法相比，本文提出的聚類算法的聚類性能更好。
　　毫無疑問，軌跡聚類結(jié)果的可視化極為重要，且已有很多相關(guān)研究成果。然而，關(guān)于軌跡聚類過程的可視