《Trajectory Clustering- A Partition-and-Group Framework》学习笔记

原文提出聚类算法，输入是所有线段的集合D，输出是簇cluster的集合O，需要ε和MinLns两个参数。上一篇已经讲到，此算法和DBSCAN很类似，但不同之处在于，不是所有的密度连接集都可以成为cluster，因为需要考虑到cluster中线段来自于轨迹的数量。如果一个cluster的所有线段都来自于同一条轨迹，那么它不能代表轨迹的共同方向。为了避免此种情况，原文提出一个概念为cluster的轨迹基数：

算法流程：

根据此算法，我模拟的结果如下：

1、原始轨迹为黑线

2、特征点为红色，分割线段为绿色

3、蓝色为聚类算法后同一个cluster的线段