申请/专利权人：桂林电子科技大学

申请日：2020-01-10

公开（公告）日：2023-04-11

公开（公告）号：CN111259098B

主分类号：G06F16/29

分类号：G06F16/29;G06F16/28

优先权：

专利状态码：有效-授权

法律状态：2023.04.11#授权;2020.07.03#实质审查的生效;2020.06.09#公开

摘要：本发明公开了一种基于稀疏表示和Fréchet距离融合的轨迹相似度计算方法，该方法首先通过求解每条轨迹用其他轨迹稀疏表示下的各个系数大小，从而得到一个系数矩阵，再利用Fréchet距离对任意两条轨迹做空间曲线相似度计算，得到一个相似度矩阵，然后将这两种方法得到的相似度进行加权融合，求出每条轨迹相似度最高的Top‑k个轨迹邻居。本发明提出了考虑轨迹多种特征属性以及时空距离融合的方法来度量轨迹间的相似度，然后在此相似度基础上进行聚类，从而提高轨迹聚类效果。

主权项：1.一种基于稀疏表示和Fréchet距离融合的轨迹相似度计算方法，其特征是：包括如下步骤：1稀疏表示系数求解相似度sim1，将需要求解相似邻居的轨迹表示为测试样本，数据集中除测试样本之外其他的轨迹表示为训练样本，建立用户轨迹的矩阵形式： 其中每一行表示的是该轨迹上等时间间隔选取的m个轨迹点，每个轨迹点有v个属性，Rm.v′代表轨迹上第m个轨迹点的第v个属性值；2对矩阵轨迹数据预先处理，稀疏表示形式如下：β＝a1α1++a2α2+…+anαn其中，β为测试样本，αi为训练样本i＝1，2…n，ai为需要求解的系数；建立用户轨迹的矩阵数据时，轨迹上的取点数m多于它的属性个数v；因此将原用户轨迹矩阵全部做转置处理：y＝a1x1+a2x2+…anxnxii＝1，2…n为转置后的轨迹矩阵t的表示；3每个矩阵有n个属性，每个属性的取值范围不同，对轨迹矩阵做归一化处理；4轨迹间的稀疏表示：y＝a1x1++a2x2+…+anxny为需要测试的轨迹样本，xii＝1，2…n为训练的轨迹样本，ai可理解为第i个训练样本对测试样本的贡献值，将以上公式改写为：y＝XA其中A＝[a1…an]T，X＝[x1…xn]，并且x1…xn和y都是n*m的矩阵m＞n；如果A是一个非奇异矩阵，可以这样得到A，A＝X-1y否则，便这样得到A，A＝XTX+μI-1XTy其中μ是一个很小的正数，I是一个单位矩阵；得到A之后，也即是求得了对应的a1…an各个系数的解，得到了第i个训练样本对测试样本的贡献值，这个值越大，也就间接说明了训练样本和测试样本相似度越高；5Fréchet距离求解轨迹直接相似度sim2任选轨迹集中；两条轨迹P和Q，P轨迹长度为M，Q轨迹长度为N，将变量t约束到区间[0，1]内，αt和βt是运动位置描述函数；那么有α0＝0，α1＝N，β0＝0，β0＝M；用Pαt和Qβt分别表示t时刻P和Q在各自轨迹上的空间位置： 采用合适的离散弗雷歇距离算法来刻画两条曲线之间的距离，并作为其弗雷歇距离；6基于多相似度融合的轨迹聚类：通过以上相似度计算方法，需要测试的每条轨迹都可以得到相应的前Top-k条轨迹：每次迭代从未聚类的轨迹集合Sunclu中随机选择一条轨迹作为聚类中心轨迹Tp，根据轨迹间的相似度从Sunclu中选出与Tp相似度较高的k-1条轨迹组成一个大小为k的轨迹集合Snow，并将其添加到聚类集合Sclu中，重复上述聚类操作直到Sunclu中轨迹数Sunclu不足k，即无法达到k聚类的条件为止。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 一种基于稀疏表示和Fréchet距离融合的轨迹相似度计算方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD