一种基于多特征融合与聚类集成的移动对象轨迹聚类方法

摘要

本发明公开了一种基于多特征融合与聚类集成的移动对象轨迹聚类方法，首先全面地捕捉目标移动对象轨迹的特征信息；然后使用K‑means聚类算法对选取的四种移动轨迹特征表示进行聚类分析并产生多个初始聚类结果；对多个初始聚类结果的质量进行量化，再通过加权求和的方式得到三个融合聚类结果；进一步把三个融合聚类结果整合在一起生成最终的集成聚类结果。本发明可以全面地捕捉目标移动对象轨迹的特征信息，最大程度上还原了轨迹的动态特性与时间片段的关联，具有较好的抗干扰能力；根据不同的聚类质量评估标准对多个初始聚类结果分配其权值，在融合过程中能够自动识别类数，并有效地捕捉类簇的本征结构。

主权项

一种基于多特征融合与聚类集成的移动对象轨迹聚类方法，其特征在于，所述基于多特征融合与聚类集成的移动对象轨迹聚类方法包括以下步骤：首先使用多项式曲线拟合、离散傅里叶变换、分段局部统计和分段离散小波转换四种互补的特征提取技术，全面地捕捉目标移动对象轨迹的特征信息，最大程度上还原了轨迹的动态特性与时间片段的关联；然后给定不同的初始化设置，使用K‑means聚类算法对选取的四种移动轨迹特征表示进行聚类分析；接下来选定三种差别较大的评估方法，对多个初始聚类结果的质量进行量化，并得到三个权值向量，再通过加权求和的方式得到三个融合聚类结果；最后进一步把三个融合聚类结果整合在一起生成最终的集成聚类结果。