以整条轨迹为目标的聚类方法存在轨迹较长的问题。为此,提出一种以轨迹子段为聚类目标的聚类算法CTIHD。给出一种新的轨迹子段距离度量方法,用以消除轨迹子段之间的公共偏差。利用特征点概念将轨迹划分成轨迹子段集,计算轨迹子段之间的相似度,由此实现聚类。实验结果表明,该算法相比同类算法具有更好的轨迹聚类效果。

针对社会安全事件中异常行为信息识别挖掘难等问题，提出一种基于改进密度聚类与模式信息挖掘的异常轨迹识别方法。首先，针对采样问题，结合Hausdorff距离思想重新定义一种改进型DTW距离，用于描述轨迹具体行为，而MBR距离下的延伸定义，则用于描述轨迹覆盖区域热度。其次，在CFSFDP算法的密度关联与决策模型下，基于支持向量机回归（SVR，support vector regression）提出了特定支持向量机回归（SSVR，specific support vector regression），利