Oct, 2023

基于分布的轨迹聚类

PDF
TL;DR本文提出了一种基于最新的隔离分布核 (IDK) 的聚类算法 TIDKC，它利用分布核对轨迹相似性进行测量和聚类，以解决传统和深度学习距离度量方法的局限性。通过在 7 个大型实际轨迹数据集上进行广泛评估，结果证实 IDK 能够更有效地捕捉轨迹中的复杂结构，并且 TIDKC 相比现有的轨迹聚类算法具有更好的聚类性能和效率。
trajectory clusteringisolation distributional kerneltidkcdistance measuresclustering algorithms
发现论文，激发创造
  • 一种基于分布的轨迹相似度测量方法

    本文介绍了一种使用分布式内核来表示轨迹和测量其相似度的简单而强大的方法，该方法解决了轨迹测量的两个主要不足之处，并在异常检测，子轨迹异常检测和轨迹模式挖掘等任务中表现出卓越的性能。

    Jan, 2023

  • 基于距离的轨迹聚类综述与展望

    本文主要介绍了对地理定位观测轨迹的聚类问题，提出了一种新的距离度量方法 —— 对称化段路径距离（SSPD），并将其与其他距离度量方法在层次聚类和亲和传播聚类方法中进行比较。

    Aug, 2015

  • 基于点密度和分割的轨迹 K - 匿名模型

    为了保护用户的轨迹数据隐私，本文提出了一种基于点密度和分区的轨迹 K - 匿名模型 (KPDP)，它在轨迹集分区前处理和轨迹聚类算法方面改进了现有的轨迹泛化匿名化技术，成功抵制了重新识别攻击，并减少了 k - 匿名数据集的数据效用损失。实验结果表明，相比其他现有技术，该模型在数据效用和算法执行时间方面具有明显优势。

    Jul, 2023

  • 轨迹聚类分析调查

    本文综述了轨迹聚类的发展，探讨了其在智能系统中的关键作用，归纳了三种聚类方法，分析了其限制因素与未来方向。

    Feb, 2018

  • 通过内部数据知识蒸馏在去中心化学习中统一非独立同分布数据

    本文提出一种叫作 IDKD 的分布式学习方法，通过使用公共数据集而不会破坏隐私约束以实现数据分布的同质化，该方法在多个图形拓扑结构上实验证明可以达到比传统知识蒸馏更好的效果。

    Apr, 2023

  • DETECT: 基于深度轨迹聚类的行动轨迹分析

    本文提出了一种基于无监督神经网络的移动行为聚类方法（DETECT），通过考虑移动行为的地理位置、采用嵌入式特征提取，进而实现在行为潜在空间内的聚类分析，得到了令人满意的实验结果。

    Mar, 2020

  • 核 t 分布随机邻域嵌入

    本文介绍了 t-SNE 算法的核化版本，能够将高维数据映射到低维空间并在非欧几里德度量下保留数据点之间的成对距离，可以通过仅在高维空间或在两个空间中使用核技巧来实现，提供了数据点之间关系的新视角，改进了包括使用核方法的分类问题的性能和准确性，并利用多个数据集阐明了 t-SNE 和其核化版本之间的区别，展示了不同类别点的更整洁的聚类。

    Jul, 2023

  • 基于信息的聚类

    该研究采用信息理论的视角来重新构造聚类问题，避免了许多现有聚类方法所依赖的非常规结构的假设，且捕捉了非线性关系。基于集体相似度而非传统的成对度量，该方法在不同领域内都表现出比现有算法更高的聚类一致性。

    Nov, 2005

  • 利用集群系统识别学习个性化模型

    该研究提出了一种从观察多种系统动态下的轨迹中学习线性系统模型的算法，其中系统根据相似性被分为不同的簇，并推导出一种通过估计系统簇身份并估计动态来更新每个簇模型的方法，从而实现更高效和个性化的系统识别过程。

    Apr, 2023

  • 分布式树核

    本研究提出了分布式树核方法以减少树核的时间和空间复杂度，并使用线性复杂度算法计算树的向量，嵌入低维空间，其中核计算是通过点积直接完成的，并证明了分布式树核速度更快，与树核相关，在 2 个自然语言处理任务中获得了具有统计学意义的类似性能。

    Jun, 2012