排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
对移动智能手机定位获取的用户轨迹进行聚类分析,并基于密度的OPTICS聚类算法,提出针对时空聚类信息提取的ST-OPTICS方法,根据时空对象的时间戳改进聚类的簇排序,对同一运动轨迹下使用不同手机、不同定位方式的时空停留信息进行提取,并对聚类结果进行分析.结果表明:1ST-OPTICS算法能够识别任意形状和大小的聚簇,在参数设定和搜索邻域方面具有显著的优势,能够有效提取GPS定位抖动和漂移产生的小范围轨迹误差,提取的平均正确率在80%以上,比较适用于时空停留点的提取;2全局密度阈值中,低密度的簇易被忽略,通过更改参数设置,能提高局部时空停留点提取的正确率;3同一轨迹下,手机的定位策略不同,其停留点提取的正确率亦存在明显差异.基站定位误差是影响停留点提取精度的主要因素之一;4GPS信号由于受遮蔽物影响,造成定位错误,但对停留点提取误差的影响不大;5ST-OPTICS算法提取的平均正确率比ST-GRID高14%以上. 相似文献
1