基于信息瓶頸算法的運動軌跡聚類及可視化.pdf

1、軌跡聚類是將相似的軌跡分組，是分析運動軌跡數據的一項非常重要的技術。實際上，大多數聚類算法都面臨兩個具有挑戰(zhàn)性問題，即選取合適的軌跡間距離度量方法和確定最優(yōu)的聚類個數。凝聚式的信息瓶頸算法通過引入特征空間，利用特征空間及聚類結果之間互信息最大化，同時保證聚類結果及原始軌跡數據集之間互信息最小化這一“瓶頸”，達到獲得最優(yōu)聚類個數的聚類結果的目標。本文利用軌跡的形狀特征進行核密度估計，建立起原始軌跡數據集、特征空間及聚類結果之間的信息通道，

2、對運動軌跡進行基于凝聚式信息瓶頸算法的聚類分析，而且，本文提出了對凝聚式信息瓶頸算法的改進，即具有異常的凝聚式信息瓶頸算法，來處理軌跡數據集中包含異常數據的情況。通過大量在合成數據、模擬數據和真實數據上的實驗，驗證本文提出聚類算法應對軌跡數據集中包含異常數據的聚類有效性，而且與廣泛應用的聚類算法相比，本文提出的聚類算法的聚類性能更好。
　　毫無疑問，軌跡聚類結果的可視化極為重要，且已有很多相關研究成果。然而，關于軌跡聚類過程的可視