【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及時(shí)間序列分析，具體為一種基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法及系統(tǒng)。
技術(shù)介紹
1、軌跡聚類(lèi)是將具有相似運(yùn)動(dòng)模式或行為的軌跡數(shù)據(jù)歸為一類(lèi)，從而幫助理解和發(fā)現(xiàn)軌跡數(shù)據(jù)中的模式和規(guī)律，提高對(duì)移動(dòng)對(duì)象的運(yùn)動(dòng)行為的理解，可用于任務(wù)分類(lèi)、異常行為檢測(cè)和軌跡預(yù)測(cè)等。軌跡聚類(lèi)的研究主要分為兩步，相似度度量和軌跡聚類(lèi)。相似度度量方面，現(xiàn)有常用的軌跡距離算法(dtw距離，豪斯多夫距離等)普遍存在異常值敏感和忽略軌跡變化趨勢(shì)的問(wèn)題。軌跡聚類(lèi)方面，大部分研究者用基于密度的方法對(duì)軌跡進(jìn)行聚類(lèi)，然而這類(lèi)算法只適用于密差異較大的凸形數(shù)據(jù)集，限制了其在處理復(fù)雜數(shù)據(jù)集上的應(yīng)用。此外，目前大多聚類(lèi)都忽略了軌跡的時(shí)間關(guān)聯(lián)性且易受噪聲軌跡的干擾，影響其結(jié)果的準(zhǔn)確性和穩(wěn)定性。
2、本專(zhuān)利技術(shù)提出一種基于時(shí)間與多維空間的譜三向模糊軌跡聚類(lèi)模型克服了傳統(tǒng)模型的限制，以提供更準(zhǔn)確和有意義的軌跡聚類(lèi)結(jié)果。通過(guò)結(jié)合譜聚類(lèi)、多維數(shù)據(jù)處理技術(shù)和噪聲處理，本專(zhuān)利技術(shù)的模型能夠很好地分組渦旋軌跡數(shù)據(jù)，揭示海洋渦旋不同時(shí)間的移動(dòng)模式，對(duì)海上風(fēng)能資源評(píng)估和風(fēng)電場(chǎng)設(shè)計(jì)有著重要意義。
技術(shù)實(shí)現(xiàn)思路
1、鑒于上述存在的問(wèn)題，提出了本專(zhuān)利技術(shù)。
2、因此，本專(zhuān)利技術(shù)解決的技術(shù)問(wèn)題是：現(xiàn)有的模糊軌跡聚類(lèi)方法存在異常值敏感和忽略軌跡變化趨勢(shì)，以及如何關(guān)注軌跡的時(shí)間關(guān)聯(lián)性的優(yōu)化問(wèn)題。
3、為解決上述技術(shù)問(wèn)題，本專(zhuān)利技術(shù)提供如下技術(shù)方案：一種基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法，包括：根據(jù)軌跡的時(shí)間關(guān)聯(lián)性，使
4、作為本專(zhuān)利技術(shù)所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法的一種優(yōu)選方案，其中：所述使用基于dpc的密集時(shí)間段劃分算法得到軌跡的密集時(shí)間段包括根據(jù)軌跡的時(shí)間屬性確定時(shí)間軸的長(zhǎng)度和單位，并將軌跡數(shù)據(jù)映射至?xí)r間軸上，計(jì)算軸上的單位時(shí)間軌跡密度，確定軌跡數(shù)量，根據(jù)時(shí)間軸長(zhǎng)度確定時(shí)間窗口大小，計(jì)算單位時(shí)間窗口內(nèi)的局部密度和相對(duì)距離，表示為：
5、
6、
7、其中，t為時(shí)間軸長(zhǎng)，ρj為時(shí)間點(diǎn)j的密度，ldi表示局部密度，dij表示時(shí)間點(diǎn)i與最小ld時(shí)間點(diǎn)的距離，rdi為相對(duì)距離，根據(jù)局部密度和相對(duì)距離構(gòu)建決策圖，并確定密集時(shí)間段劃分點(diǎn)的數(shù)量和值，確定密集時(shí)間段，依據(jù)密集時(shí)間段對(duì)軌跡數(shù)據(jù)集進(jìn)行劃分，并計(jì)算軌跡于密集時(shí)間段的時(shí)間隸屬度，表示為：
8、
9、其中，表示軌跡tri在密集時(shí)間段dtij上的時(shí)間隸屬度，和表示tri和dtij的開(kāi)始時(shí)間，和表示tri和dtij的結(jié)束時(shí)間。
10、作為本專(zhuān)利技術(shù)所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法的一種優(yōu)選方案，其中：所述計(jì)算多維軌跡間距離包括將多維軌跡根據(jù)特征變化進(jìn)行分割，得到由首尾采樣點(diǎn)組成的軌跡段，使用動(dòng)態(tài)規(guī)劃算法來(lái)找到兩軌跡段間最佳的對(duì)齊路徑，使匹配距離最小，兩軌跡間距離等于軌跡上所有匹配段距離之和，表示為：
11、
12、
13、
14、其中，si與sj分別為從屬于tra和trb軌跡的軌跡段，為si與sj的相對(duì)權(quán)重，等于匹配段于兩條軌跡長(zhǎng)度的占比，||si-sj||為si中點(diǎn)與sj中點(diǎn)的距離，為si與sj的變化率之差，τ為距離權(quán)重。
15、作為本專(zhuān)利技術(shù)所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法的一種優(yōu)選方案，其中：所述基于譜三向模糊聚類(lèi)方法得到軌跡的簇隸屬度，判斷軌跡從屬簇包括基于圖論把軌跡數(shù)據(jù)為連接圖，根據(jù)軌跡距離矩陣計(jì)算高斯核權(quán)重矩陣和度矩陣，高斯核權(quán)重計(jì)算表示為：
16、
17、其中mij表示tri與trj的距離，wij表示tri與trj相連邊上的權(quán)重，σ調(diào)節(jié)高斯分布的參數(shù)，根據(jù)節(jié)點(diǎn)相連的邊的權(quán)重之和構(gòu)建對(duì)角線度矩陣d，對(duì)角線度矩陣減去高斯核權(quán)重矩陣得到拉普拉斯矩陣，并進(jìn)行標(biāo)準(zhǔn)化，將拉普拉斯矩陣特征分解獲取最少k個(gè)特征值的特征向量，其中k為聚類(lèi)數(shù)，特征向量作為輸入，通過(guò)三向模糊聚類(lèi)得到軌跡的三向簇隸屬度，收斂后得到軌跡的簇隸屬度，判斷軌跡的所屬簇。
18、作為本專(zhuān)利技術(shù)所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法的一種優(yōu)選方案，其中：所述三向模糊聚類(lèi)包括隨機(jī)初始化隸屬度矩陣u，值域?yàn)閇0,1]，根據(jù)隸屬度計(jì)算簇cp的中心表示為：
19、
20、其中，m為模糊指數(shù)，n為軌跡數(shù)量，uip表示tri于簇cp的隸屬度，表示tri特征向量的第i個(gè)行向量；根據(jù)軌跡i至簇中心的距離計(jì)算軌跡的簇隸屬度(uip)，表示為：
21、
22、其中dip表示和的歐式距離，k為聚類(lèi)數(shù)，軌跡的簇隸屬度的三向化表示為：
23、
24、其中ε為三向界定閾值，x表示大于三向界定閾值和軌跡的時(shí)間隸屬度乘積的最小數(shù)量集合，對(duì)三向隸屬度進(jìn)行標(biāo)準(zhǔn)化表示為：
25、
26、迭代更新簇中心和隸屬度矩陣，直到u收斂或簇中心不再變化，則停止迭代。
27、作為本專(zhuān)利技術(shù)所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法的一種優(yōu)選方案，其中：所述結(jié)合calinski-harabasz指標(biāo)和pearson相關(guān)系數(shù)評(píng)估軌跡在多維空間上的聚類(lèi)結(jié)果包括評(píng)估軌跡多特征聚類(lèi)結(jié)果表示為：
28、
29、其中，bcsst表示簇間軌跡的特征t與時(shí)間的pearson系數(shù)的平均值的方差，wcsst表示各簇內(nèi)軌跡的特征t與時(shí)間的相關(guān)系數(shù)的方差的平均值。
30、作為本專(zhuān)利技術(shù)所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法的一種優(yōu)選方案，其中：所述判斷最佳聚類(lèi)數(shù)包括根據(jù)不同聚類(lèi)數(shù)k下的值判斷最佳聚類(lèi)數(shù)，chf指數(shù)的數(shù)值越高，聚類(lèi)結(jié)果效果越好。
31、本專(zhuān)利技術(shù)的另外一個(gè)目的是提供一種基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)系統(tǒng)，其能計(jì)算多維軌跡之間的相異性，通過(guò)段與段間匹配量化軌跡整體變化差異，解決了噪聲對(duì)計(jì)算的影響的問(wèn)題。
32、作為本專(zhuān)利技術(shù)所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)系統(tǒng)的一種優(yōu)選方案，其中：包括數(shù)據(jù)預(yù)處理模塊，軌跡特征提取模塊，軌跡聚類(lèi)模塊，評(píng)估模塊；所述數(shù)據(jù)預(yù)處理模塊用于根據(jù)軌跡的時(shí)間屬性確定時(shí)間軸的長(zhǎng)度和單位，將軌跡數(shù)據(jù)映射至?xí)r間軸上，計(jì)算軸上的單位時(shí)間軌跡密度；所述軌跡特征提取模塊使用基于dpc的密集時(shí)間段劃分算法得到軌跡的密集時(shí)間段，計(jì)算軌跡的時(shí)間隸屬度，基于dtw計(jì)算多維軌跡間距離；所述軌跡聚類(lèi)模塊基于譜三向模糊聚類(lèi)方法得到軌跡的簇隸屬度并判斷軌跡的所屬簇；所述評(píng)估模塊結(jié)合calinski-harabasz指標(biāo)和pearson相關(guān)系數(shù)評(píng)估軌跡在多維空間上的聚類(lèi)結(jié)果并分析最優(yōu)結(jié)果。
33、一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法，其特征在于，包括：
2.如權(quán)利要求1所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法，其特征在于：所述使用基于DPC的密集時(shí)間段劃分算法得到軌跡的密集時(shí)間段包括根據(jù)軌跡的時(shí)間屬性確定時(shí)間軸的長(zhǎng)度和單位，并將軌跡數(shù)據(jù)映射至?xí)r間軸上，計(jì)算軸上的單位時(shí)間軌跡密度，確定軌跡數(shù)量，根據(jù)時(shí)間軸長(zhǎng)度確定時(shí)間窗口大小，計(jì)算單位時(shí)間窗口內(nèi)的局部密度和相對(duì)距離，表示為：
3.如權(quán)利要求2所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法，其特征在于：所述計(jì)算多維軌跡間距離包括將多維軌跡根據(jù)特征變化進(jìn)行分割，得到由首尾采樣點(diǎn)組成的軌跡段，使用動(dòng)態(tài)規(guī)劃算法來(lái)找到兩軌跡段間最佳的對(duì)齊路徑，使匹配距離最小，兩軌跡間距離等于軌跡上所有匹配段距離之和，表示為：
4.如權(quán)利要求3所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法，其特征在于：所述基于譜三向模糊聚類(lèi)方法得到軌跡的簇隸屬度，判斷軌跡從屬簇包括基于圖論把軌跡數(shù)據(jù)為連接圖，根據(jù)軌跡距離矩陣計(jì)算高斯核權(quán)重矩陣和度矩陣，高斯核權(quán)重計(jì)算表示為：
5.如權(quán)利要求4所述的基于多維時(shí)空的譜三向模
6.如權(quán)利要求5所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法，其特征在于：所述結(jié)合Calinski-Harabasz指標(biāo)和Pearson相關(guān)系數(shù)評(píng)估軌跡在多維空間上的聚類(lèi)結(jié)果包括評(píng)估軌跡多特征聚類(lèi)結(jié)果表示為：
7.如權(quán)利要求6所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法，其特征在于：所述判斷最佳聚類(lèi)數(shù)包括根據(jù)不同聚類(lèi)數(shù)k下的值判斷最佳聚類(lèi)數(shù)，CHf指數(shù)的數(shù)值越高，聚類(lèi)結(jié)果效果越好。
8.一種采用如權(quán)利要求1～7任一所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法的系統(tǒng)，其特征在于：包括數(shù)據(jù)預(yù)處理模塊，軌跡特征提取模塊，軌跡聚類(lèi)模塊，評(píng)估模塊；
9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法的步驟。
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法的步驟。
...【技術(shù)特征摘要】
1.一種基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法，其特征在于，包括：
2.如權(quán)利要求1所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法，其特征在于：所述使用基于dpc的密集時(shí)間段劃分算法得到軌跡的密集時(shí)間段包括根據(jù)軌跡的時(shí)間屬性確定時(shí)間軸的長(zhǎng)度和單位，并將軌跡數(shù)據(jù)映射至?xí)r間軸上，計(jì)算軸上的單位時(shí)間軌跡密度，確定軌跡數(shù)量，根據(jù)時(shí)間軸長(zhǎng)度確定時(shí)間窗口大小，計(jì)算單位時(shí)間窗口內(nèi)的局部密度和相對(duì)距離，表示為：
3.如權(quán)利要求2所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法，其特征在于：所述計(jì)算多維軌跡間距離包括將多維軌跡根據(jù)特征變化進(jìn)行分割，得到由首尾采樣點(diǎn)組成的軌跡段，使用動(dòng)態(tài)規(guī)劃算法來(lái)找到兩軌跡段間最佳的對(duì)齊路徑，使匹配距離最小，兩軌跡間距離等于軌跡上所有匹配段距離之和，表示為：
4.如權(quán)利要求3所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法，其特征在于：所述基于譜三向模糊聚類(lèi)方法得到軌跡的簇隸屬度，判斷軌跡從屬簇包括基于圖論把軌跡數(shù)據(jù)為連接圖，根據(jù)軌跡距離矩陣計(jì)算高斯核權(quán)重矩陣和度矩陣，高斯核權(quán)重計(jì)算表示為：
5.如權(quán)利要求4所述的基于多維時(shí)空的譜三向模糊軌跡聚類(lèi)方法，其特征在于：所述三向模糊聚類(lèi)...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：殷磊，杜偉安，楊曉東，趙致遠(yuǎn)，呂金睿，時(shí)帥，杜艷玲，陳柯棋，黃曉琛，馮濤，鄧明星，祁少俊，王張煜，王雁冰，
申請(qǐng)(專(zhuān)利權(quán))人：華能浙江能源開(kāi)發(fā)有限公司清潔能源分公司，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。