比较轨迹聚类方法：比较轨迹数据集上的不同聚类方法和相似性度量

【文件属性】：
文件名称：比较轨迹聚类方法：比较轨迹数据集上的不同聚类方法和相似性度量
文件大小：13.74MB
文件格式：ZIP
更新时间：2021-02-05 17:57:47
machine-learning scikit-learn pattern-recognition trajectory-analysis trajectory 比较轨迹聚类方法 这是我的模式识别课程学期项目。 目标是在民用飞行数据上比较4种聚类算法（k型，高斯混合模型，dbscan和hdbscan）。 可以在report.pdf文件中找到更多详细信息。 产生的集群如下所示： 应用轨迹分割以减少采样点的数量，并使用hausdorff距离比较轨迹之间的相似性。 更新（2019年2月） 添加了一个演示项目的每个步骤。 首先请看一下，它比项目的其他部分更短，更容易理解。 它还在公共数据集上显示了这些步骤。 公开数据集： 集群轨迹：

【文件预览】：
comparing-trajectory-clustering-methods-master
----hdbscanClus.py(1KB)
----report.py(1KB)
----kmedoidsClus.py(2KB)
----result.png(1.87MB)
----merger.py(3KB)
----gmmClus.py(1017B)
----data.png(1.21MB)
----demo()
--------demo2.png(256KB)
--------demo1.png(349KB)
--------demo.ipynb(1.15MB)
--------kmedoid.py(1KB)
----synthetic_demo.py(3KB)
----LICENSE(1KB)
----argos()
--------util.py(2KB)
--------noise.py(2KB)
--------__init__.py(0B)
--------synthetic.py(1KB)
--------cluster.py(2KB)
--------io.py(694B)
--------tool()
--------plot.py(480B)
----README.md(949B)
----report.pdf(9.19MB)
----hausdorf_benchmark.py(2KB)
----.gitignore(1KB)
----segmentation.png(38KB)