軌跡聚類中距離度量方法的實踐與應(yīng)用.pdf

1、隨著移動技術(shù)的發(fā)展，移動設(shè)備產(chǎn)生了大量的軌跡數(shù)據(jù)，從而使得建立從數(shù)據(jù)中獲取知識的機制的需求日益增長。大部分現(xiàn)有的工作集中在軌跡的幾何特性分析，但是在最近出現(xiàn)了語義軌跡的概念，其中的背景地理信息被標(biāo)識到軌跡的采樣點。在這個新概念中，將軌跡視為一組停留和移動的連續(xù)行為來觀察，而且其中的停留部分是該軌跡的最重要的部分。基于對聚類分析的需要，本文主要研究方向為衡量軌跡相似度方法的實踐與應(yīng)用。
　　首先，對時空數(shù)據(jù)庫的相關(guān)知識，包括時空數(shù)據(jù)

2、的建模方法、時空數(shù)據(jù)庫的查詢方法、索引的構(gòu)建概述、GIS空間數(shù)據(jù)建庫技術(shù)以及關(guān)于GIS的時空數(shù)據(jù)庫相關(guān)概念和對道路移動對象的聚類方法給以介紹，用基于密度的DBscan算法為例對軌跡進(jìn)行初始聚類的分析，以及采用實例來驗證DBscan算法輸入?yún)?shù)對聚類效果的影響。
　　然后，本文提出了一種移動軌跡空間距離算法T-IMHD，其原理基于hausdorff算法，采用任何一條軌跡上的點到另一條軌跡中子軌跡的最小距離作為衡量半徑，構(gòu)成空間距離最