【技术实现步骤摘要】
本专利技术涉及时间序列分析，具体为一种基于多维时空的谱三向模糊轨迹聚类方法及系统。
技术介绍
1、轨迹聚类是将具有相似运动模式或行为的轨迹数据归为一类，从而帮助理解和发现轨迹数据中的模式和规律，提高对移动对象的运动行为的理解，可用于任务分类、异常行为检测和轨迹预测等。轨迹聚类的研究主要分为两步，相似度度量和轨迹聚类。相似度度量方面，现有常用的轨迹距离算法(dtw距离，豪斯多夫距离等)普遍存在异常值敏感和忽略轨迹变化趋势的问题。轨迹聚类方面，大部分研究者用基于密度的方法对轨迹进行聚类，然而这类算法只适用于密差异较大的凸形数据集，限制了其在处理复杂数据集上的应用。此外，目前大多聚类都忽略了轨迹的时间关联性且易受噪声轨迹的干扰，影响其结果的准确性和稳定性。
2、本专利技术提出一种基于时间与多维空间的谱三向模糊轨迹聚类模型克服了传统模型的限制，以提供更准确和有意义的轨迹聚类结果。通过结合谱聚类、多维数据处理技术和噪声处理，本专利技术的模型能够很好地分组涡旋轨迹数据，揭示海洋涡旋不同时间的移动模式，对海上风能资源评估和风电场设计有着重
【技术保护点】
1.一种基于多维时空的谱三向模糊轨迹聚类方法，其特征在于，包括：
2.如权利要求1所述的基于多维时空的谱三向模糊轨迹聚类方法，其特征在于：所述使用基于DPC的密集时间段划分算法得到轨迹的密集时间段包括根据轨迹的时间属性确定时间轴的长度和单位，并将轨迹数据映射至时间轴上，计算轴上的单位时间轨迹密度，确定轨迹数量，根据时间轴长度确定时间窗口大小，计算单位时间窗口内的局部密度和相对距离，表示为：
3.如权利要求2所述的基于多维时空的谱三向模糊轨迹聚类方法，其特征在于：所述计算多维轨迹间距离包括将多维轨迹根据特征变化进行分割，得到由首尾采样点组成的轨迹...
【技术特征摘要】
1.一种基于多维时空的谱三向模糊轨迹聚类方法，其特征在于，包括：
2.如权利要求1所述的基于多维时空的谱三向模糊轨迹聚类方法，其特征在于：所述使用基于dpc的密集时间段划分算法得到轨迹的密集时间段包括根据轨迹的时间属性确定时间轴的长度和单位，并将轨迹数据映射至时间轴上，计算轴上的单位时间轨迹密度，确定轨迹数量，根据时间轴长度确定时间窗口大小，计算单位时间窗口内的局部密度和相对距离，表示为：
3.如权利要求2所述的基于多维时空的谱三向模糊轨迹聚类方法，其特征在于：所述计算多维轨迹间距离包括将多维轨迹根据特征变化进行分割，得到由首尾采样点组成的轨迹段，使用动态规划算法来找到两轨迹段间最佳的对齐路径，使匹配距离最小，两轨迹间距离等于轨迹上所有匹配段距离之和，表示为：
4.如权利要求3所述的基于多维时空的谱三向模糊轨迹聚类方法，其特征在于：所述基于谱三向模糊聚类方法得到轨迹的簇隶属度，判断轨迹从属簇包括基于图论把轨迹数据为连接图，根据轨迹距离矩阵计算高斯核权重矩阵和度矩阵，高斯核权重计算表示为：
5.如权利要求4所述的基于多维时空的谱三向模糊轨迹聚类方法，其特征在于：所述三向模糊聚类...
【专利技术属性】
技术研发人员：殷磊，杜伟安，杨晓东，赵致远，吕金睿，时帅，杜艳玲，陈柯棋，黄晓琛，冯涛，邓明星，祁少俊，王张煜，王雁冰，
申请(专利权)人：华能浙江能源开发有限公司清洁能源分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。