基于几何代数的自适应典型航迹生成

摘要

通过分析基于密度的带噪空间聚类算法（DBSCAN,density-based spatial clustering of applications with noise）和模糊C均值（FCM,fuzzy C-means）聚类算法的聚类性能，本文提出一种快速的基于几何代数的自适应典型航迹生成算法。首先，利用K-means聚类算法进行航班运行时间的归一化；然后，利用几何代数优越的时空表达和计算能力，给出了航迹转弯判定、DBSCAN聚类和FCM聚类的几何代数描述；最后，在几何代数空间中对转弯运动状态和直线运动状态的航迹分别自适应地进行DBSCAN聚类和FCM聚类形成典型航迹。实验结果表明，本文自适应典型航迹的生成速度较欧氏空间方法可提升30%以上。

关键词

几何代数 / 基于密度的带噪空间聚类算法(DBSCAN)聚类 / 模糊C均值(FCM)聚类 / 典型航迹