基于动态时间规整度量的k均值航迹聚类

为找到涵盖比较全面的各组类具有代表性的中心航迹,需要对航迹进行分类分析。首先介绍针对得到的航空器轨迹数据的处理方法及流程,并进行重要数据的转换和提取,标画出实际飞行总航迹。然后运用基于空间相似距离的k均值聚类算法进行聚类分析,并通过动态时间规整(dynamic time warping,DTW)算法对航迹聚类不同K取值的分类结果进行相似性度量,确定合适的K值,从而在众多航迹中将实际飞行航迹按照空间运行的相似性进行归类处理,找到中心航迹,实现航迹的分类。应用北京首都国际机场36L跑道上着陆航空器的航迹数据进行算例分析,分析结果证明,该算法可以有效地对航迹进行分类分析。     

仿射传播和谱聚类的船舶轨迹聚类

针对谱聚类算法中常用的K-means算法对特征向量空间进行聚类初始值敏感等问题,提出了一种新的基于仿射传播(AP)的谱聚类算法。首先,利用动态时间规整(DTW)距离度量各船舶自动识别系统(AIS)轨迹之间的结构相似性,得到距离矩阵;其次,使用快速AP聚类算法改进传统谱聚类算法,基于指定的类别数对内河桥区水域船舶AIS轨迹数据进行实例验证。仿真实验结果表明:本文算法在不增加时间复杂度的基础上,比传统谱聚类算法有更高的鲁棒性,且实验准确率提高5.24%。     

基于学习行为时间序列相似性模型的研究

以学习者学习行为为研究对象,提取了学习行为特征,构建了一组学习行为时间序列数据,提出了一种学习行为时间序列相似性模型;通过学习行为相似性模式的表示、度量和聚类,验证模型的有效性;结果表明,能够很好地对学习行为进行分类,对无效样本有效检验。     

基于模糊聚类分析法的构件耐久性评估

基于模糊等价关系的动态聚类分析，提出了一种构件耐久性评估方法。该方法利用相似系数在各构件的耐久性指标序列之间进行相似性度量，并形成了具有分类功能的模糊等价矩阵。按照不同的置信度水平，对构件的耐久性进行动态聚类。通过算例的分析比较，证明该方法是合理的，并且避免了按照传统方法进行评估的不合理性，易于通过编程实现。     

基于空间轨迹熵的公共空间活力表征方法研究

人及其活动是城市公共空间活力的核心,聚焦人及其活动的公共空间活力测度一直是人本尺度城市研究的难点.针对公共空间活力表征问题,提出了基于人群轨迹聚类的空间活力表征新方法.该方法采用基于视频的多目标跟踪技术提取人群运动轨迹,并对轨迹聚类分组处理;根据轨迹类别的多样性和结构的差异性,提出了新的"空间轨迹熵"来反映公共空间人群...     

基于浮动车轨迹数据的城市路网提取

为满足数字道路信息的及时获取和快速更新,提出了一种基于浮动车轨迹数据的城市路网提取方法。首先通过去冗、滤波等轨迹数据预处理算法优化轨迹信息,然后近似计算轨迹点对应时刻的车辆航向角,通过航向角提取出处于转向状态的浮动车轨迹点,利用改进的DBSCAN聚类算法对转向点聚类提取道路交叉口,最后以交叉口之间的轨迹点为数据源,利用多元自适应回归样条算法拟合道路中心线。以成都市1d内的出租车GPS轨迹数据作为数据源进行了实验,结果显示路网提取效果良好,验证了本文方法的有效性。     

基于MapReduce的互联网图像相似性度量研究

由于照相机等设备的便携化和互联网的触手可得,每天有海量互联网图像产生。针对这种情况,提出了基于MapReduce的互联网图像相似性度量算法。算法首先提取了语义级的图像特征,包括图像的主要颜色、形状和构图等,然后基于上述图像特征归一化,设计合理的Map方法和Reduce方法,并行计算出输入图像与图像库中的图像的相似性评分,排序得到最相似图像的几幅图形,最后构建了基于MapReduce的互联网相似图像搜索系统。实验结果表明,基于MapReduce的图像相似性度量算法,同样适用于互联网海量图像,并比传统的图像相似性度量算法具有更好的灵活性和可扩展性。     

几个初始聚类中心选取算法的比较研究

传统的k均值算法对初始聚类中心敏感。在实际应用中，找到一组初始中心点，从而获得一个较好的聚类效果并消除聚类结果的波动性对k均值算法具有重要意义。本文对文献提出的基于Huffman树构造的思想选取初始聚类中心、基于均值-标准差选取初始聚类中心、基于密度选取初始聚类中心、采用最大距离积法选取初始聚类中心等4个算法从算法思想、关键技术等方面进行了比较研究。     

聚类分析算法的分析与评价

聚类方法大体可以分为基于层次聚类算法、基于划分聚类算法、基于密度聚类算法、基于网格聚类算法、基于模型聚类算法、基于模糊聚类算法等。本文对主要聚类方法进行分析,并且结合具体的聚类分析算法进行聚类评价。     

基于聚类–回归算法的制冷机组实际运行特性研究

制冷机组部分负荷性能对制冷机组运行能耗影响非常大，本文提出基于聚类–回归算法挖掘制冷机组实际运行特性的方法，即以K–Means聚类算法识别不同负荷率区间的代表性运行数据，以最小二乘法对聚类结果进行回归分析。并基于地源热泵机组的大量实际运行数据，采用提出的聚类–回归算法，研究了地源热泵机组的实际运行特性，拟合了机组COP与部分负荷率PLR的曲线，得到COP与PLR的数学表达式，为开展制冷机组的智能调控奠定基础。