典型文献
考虑多维特征的船舶轨迹分层聚类算法
文献摘要：
为准确聚类复杂的船舶轨迹和辨识隐蔽轨迹簇,提出一种考虑多维特征的船舶轨迹分层聚类算法.用核心萤火虫算法(core firefly algorithm,CFA)解决具有噪声的基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法的邻域查询 冗余和参数敏感问题,并在传统船舶轨迹聚类特征的基础上引入水域环境、轨迹线型和时隙特征来分层建立轨迹相似性度量指标,最终实现轨迹的逐层递进聚类.以厦门港及其附近水域的AIS数据验证算法的有效性,检验结果表明:船舶轨迹由算法聚类为9簇;簇内动态时间规整(dynamic time warping,DTW)距离均值为5.199,簇间DTW距离均值为18.032;聚类结果符合实际的船舶交通流情况,聚类准确率为91.50％.可见,提出的算法相比其他常用的轨迹聚类算法能更有效地辨识轨迹地理分布和船舶运动特征的异同,更容易发现隐蔽的轨迹簇.由提出的算法聚类的同簇轨迹,其船舶运动特性更相似,聚类结果可为船舶交通流特性分析及船舶行为模式识别等提供典型的轨迹样本.
文献关键词：
船舶轨迹聚类;相似性度量;层次聚类;核心萤火虫算法(CFA);具有噪声的基于密度的空间聚类(DBSCAN)
中图分类号：
作者姓名：
苏俊杰;兰培真
作者机构：
集美大学海上交通安全研究所,福建 厦门361021;交通安全应急信息技术国家工程实验室,福建 厦门361021
文献出处：
引用格式：
[1]苏俊杰;兰培真-.考虑多维特征的船舶轨迹分层聚类算法)[J].上海海事大学学报,2022(04):30-36
A类：
B类：
多维特征,分层聚类算法,萤火虫算法,core,firefly,algorithm,CFA,基于密度,空间聚类,density,spatial,clustering,applications,noise,DBSCAN,邻域,船舶轨迹聚类,聚类特征,水域环境,轨迹线,线型,时隙,轨迹相似性度量,度量指标,逐层,厦门港,AIS,数据验证,动态时间规整,dynamic,warping,DTW,符合实际,船舶交通流,迹地,地理分布,船舶运动,运动特征,运动特性,交通流特性,通流特性分析,船舶行为,行为模式,模式识别,层次聚类
AB值：
0.374327
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
