本发明公开了一种基于改进的DBSCAN算法的船舶轨迹聚类分析方法,包括如下步骤:S1,从AIS数据库中提取有效的船舶轨迹数据;S2,采用融合距离MD进行轨迹相似性度量,获取轨迹间融合后的最短超轨迹;S3,采用二次时间O(mn)计算最短超轨迹的长度;S4,从轨迹的长度中获得融合距离MD;S5,确定改进后的DBSCAN算法的全局参数;S6,...
这种方法首先利用改进遗传算法对数据集进行全局搜索,确定最优的聚类参数;然后,再运用DBSCAN聚类算法对这些参数进行精细调整,从而实现对数据集的高效划分。这一过程就像是一场精心策划的接力赛:改进遗传算法负责跑第一棒,为比赛奠定坚实的基础;DBSCAN聚类则接过接力棒,冲刺终点,确保最终的胜利。 然而,任何技术都不是万能...
这些算法往往是一些现有的聚类方法的修正。通过一些精心设计的搜索方法(例如,在随机搜索CLARANS),组织结构(例如,比照,在桦树)和指标(例如,R *树在DBSCAN),这些算法都显示了一些显着的性能改进聚类非常大的数据集。再次,这些算法仍然针对数字数据并不能用来解决大规模的分类数据的聚类问题...
一种基于改进DBSCAN算法的Web服务聚类方法,所述服务聚类方法包括以下步骤:第一步,计算领域本体中两个概念A和B之间的语义相似度;第二步,结合概念相似度计算方法,给出服务S与服务S输入相似度Sim的计算方法;第三步,结合概念相似度计算方法,给出服务S与服务S输出相似度Sim的计算方法;第四步,结合求得的服务输入相似度...
[0036]本发明提供的基于改进的DBSCAN算法的船舶轨迹聚类分析方法采用融合距离MD对轨迹间相似性进行度量,提高了度量精度;相比较于传统的DBSCAN算法减小了时间的消耗,同时基于MD的相似性度量可以很好地处理多密度数据集,具有较好的鲁棒性和适应性,也正确对轨迹进行了分类;在海上交通安全监控与预警方面,本发明通过船舶轨迹的...
本发明公开了一种基于改进的DBSCAN算法的船舶轨迹聚类分析方法,包括如下步骤:S1,从AIS数据库中提取有效的船舶轨迹数据;S2,采用融合距离MD进行轨迹相似性度量,获取轨迹间融合后的最短超轨迹;S3,采用二次时间O(mn)计算最短超轨迹的长度;S4,从轨迹的长度中获得融合距离MD;S5,确定改进后的DBSCAN算法的全局参数;S6,...
1.一种基于改进的DBSCAN算法的船舶轨迹聚类分析方法,其特征在于,包括如下步骤:S1、从AIS数据库中提取有效的船舶轨迹数据;S2、采用融合距离MD进行轨迹相似性度量,获取轨迹间融合后的最短超轨迹;S3、采用二次时间O(mn)计算最短超轨迹的长度;S4、从轨迹的长度中获得融合距离MD;S5、确定改进后的DBSCAN算法的全局参数,...
摘要 本发明公开了一种基于改进的DBSCAN算法的船舶轨迹聚类分析方法,包括如下步骤:S1、从AIS数据库中提取有效的船舶轨迹数据;S2、采用融合距离MD进行轨迹相似性度量,获取轨迹间融合后的最短超轨迹;S3、采用二次时间O(mn)计算最短超轨迹的长度;S4、从轨迹的长度中获得融合距离MD;S5、确定改进后的DBSCAN算法的全局参数...
1.一种基于改进的DBSCAN算法的船舶轨迹聚类分析方法,其特征在于,包括如下步骤:S1、从AIS数据库中提取有效的船舶轨迹数据;S2、采用融合距离MD进行轨迹相似性度量,获取轨迹间融合后的最短超轨迹;S3、采用二次时间O(mn)计算最短超轨迹的长度;S4、从轨迹的长度中获得融合距离MD;S5、确定改进后的DBSCAN算法的全局参数,...
本发明公开了一种基于改进的DBSCAN算法的船舶轨迹聚类分析方法,包括如下步骤:S1、从AIS数据库中提取有效的船舶轨迹数据;S2、采用融合距离MD进行轨迹相似性度量,获取轨迹间融合后的最短超轨迹;S3、采用二次时间O(mn)计算最短超轨迹的长度;S4、从轨迹的长度中获得融合距离MD;S5、确定改进后的DBSCAN算法的全局参数;S6...