计算机工程

作者：俞庆英, 赵亚军, 叶梓彤, 胡凡, 夏芸

单位：1. 安徽师范大学 计算机与信息学院, 安徽 芜湖 241002;2. 安徽师范大学 网络与信息安全安徽省重点实验室, 安徽 芜湖 241002

关键词：群组,密度,群组可达,邻域搜索,轨迹聚类

基金：国家自然科学基金（61702010，61972439）。

现有基于密度的聚类方法主要用于点数据的聚类，不适用于大规模轨迹数据。针对该问题，提出一种利用群组和密度的轨迹聚类算法。根据最小描述长度原则对轨迹进行分段预处理找出具有相似特征的子轨迹段，通过两次遍历轨迹数据集获取基于子轨迹段的群组集合，并采用群组搜索代替距离计算减少聚类过程中邻域对象集合搜索的计算量，最终结合群组和密度完成对轨迹数据集的聚类。在大西洋飓风轨迹数据集上的实验结果表明，与基于密度的TRACLUS轨迹聚类算法相比，该算法运行时间更短，聚类结果更准确，在小数据集和大数据集上的运行时间分别减少73.79%和84.19%，且运行时间的减幅随轨迹数据集规模的扩大而增加。

来源：2021年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第4期