轨迹数据的周期性聚类方法研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

0 引言

科学计算、机器人、自动驾驶[1]和地理空间分析等场景常出现周期性数据，其某些维度呈环绕结构，数值一旦越过上限便折返到下限，这一拓扑特性使数据空间呈环面，与欧氏空间截然不同。然而，DBSCANK-MEANS、GaussianMixtureModel等主流聚类算法默认数据位于开域，忽视周期边界[2结果，周期边界两侧的点被误判为相距甚远，引发邻域搜索错误、聚类断裂及噪声识别偏差。（剩余5213字）

试读结束

目录
monitor
客服机器人