基于DBSCAN改进算法的时空轨迹聚类分析与研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 选题背景 | 第7-8页 |
| 1.2 本文的主要内容和意义 | 第8页 |
| 1.3 本文的章节安排 | 第8-11页 |
| 第2章 国内外研究现状 | 第11-17页 |
| 2.1 聚类算法分类 | 第11-14页 |
| 2.1.1 层次聚类算法 | 第12页 |
| 2.1.2 新层次聚类算法 | 第12-13页 |
| 2.1.3 划分式聚类算法 | 第13页 |
| 2.1.4 其他聚类算法 | 第13-14页 |
| 2.2 时空轨迹聚类的研究状况 | 第14-17页 |
| 第3章 理论分析和技术准备 | 第17-31页 |
| 3.1 轨迹间的相似性度量方法 | 第17-19页 |
| 3.1.1 常用的距离公式 | 第17页 |
| 3.1.2 轨迹的距离度量 | 第17-19页 |
| 3.2 基于密度的聚类算法 | 第19-22页 |
| 3.3 数据采集方案 | 第22-31页 |
| 3.3.1 采集技术 | 第23-25页 |
| 3.3.2 数据预处理 | 第25-28页 |
| 3.3.3 数据存储方案 | 第28-31页 |
| 第4章 算法设计 | 第31-45页 |
| 4.1 结构相似度距离算法设计 | 第31-35页 |
| 4.1.1 经纬度距离公式推导和论证 | 第31-35页 |
| 4.1.2 结构相似度距离公式设计 | 第35页 |
| 4.2 轨迹的分段重组思想 | 第35-39页 |
| 4.2.1 轨迹分段 | 第37-39页 |
| 4.2.2 线段聚类 | 第39页 |
| 4.3 基于DBSCAN改进算法的线段聚类 | 第39-43页 |
| 4.3.1 矢量点的DBSCAN算法 | 第39-43页 |
| 4.4 代表性轨迹提取 | 第43-45页 |
| 第5章 案例分析和评估 | 第45-51页 |
| 5.1 案例分析 | 第45-49页 |
| 5.2 结果评估 | 第49-51页 |
| 第6章 总结和展望 | 第51-53页 |
| 6.1 论文总结 | 第51-52页 |
| 6.2 未来展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 发表论文和参加科研情况说明 | 第57-59页 |
| 致谢 | 第59页 |
