毕业设计（论文）_基于空间聚类的台风轨迹提取.docVIP

中南大学 本科生毕业论文（设计） 题 目 学生姓名 指导教师 学 院 信息物理工程学院 专业班级  摘 要 空间聚类是空间数据挖掘与空间分析的重要手段之一，常用于揭示空间数据分布规律以及发现空间数据异常Spatial clustering has played an important role in spatial data mining and spatial analysis. It can be used to discover the spatial association rules and spatial outliers in spatial datasets. Existing spatial clustering methods are mainly designed for spatial point objects. Recent improvements in satellites and tracking facilities have made it possible to collect a large amount of trajectory data of moving objects. Examples include vehicle position data, hurricane track data, and animal movement data. There is increasing interest to perform data analysis over these trajectory data. Discovering objects that have moved in a similar way is a meaningful data analysis task. Thus, an efficient spatial clustering algorithm for trajectory data should be developed. In this paper, we test a new partition-and-group based method for clustering trajectories in the application of hurricane track data. The performances of the TRACLUS algorithm are fully performed. Some issues can be further improved are also summarized. Keywords: Spatial data mining, spatial clustering, hurricane track data, TRACLUS algorithm 目录 摘 要 I Abstract II 目录 III 第一章 前言 1 1.1研究背景与研究意义 1 1.2本文研究内容 2 1.3本文组织结构 3 第二章 相关研究回顾 4 2.1 空间点数据聚类方法 4 2.2 空间轨迹聚类方法 5 第三章 台风轨迹空间聚类算法 7 3.1 算法概述 7 3.1.1 问题描述 7 3.1.2 TRACLUS算法 8 3.2 台风轨迹分割 9 3.2.1 特征点提取 9 3.2.2 构造特征线段 12 3.3 特征线段聚类 13 3.3.1 基于密度的特征线段空间聚类 13 3.3.2 簇的代表轨迹 18 第四章 实验分析 22 4.1 实验设计 22 4.2 台风轨迹提取结果 22 4.3 结果分析 24 第五章 总结 25 参考文献 26 致谢 28 第一章 前言 1.1研究背景与研究意义 随着数据挖掘技术应运而生。数据挖掘(Data Mining)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。空间信息技术尤其是对地观测技术的空间数据库中发现空间知识的理论和技术，产生了一个新的研究领域：空间数据挖掘与知识发现将空间数据库中的空间目标分成具有一定意义的簇，使得每个簇内目标相似，而簇间目标 图1-1：公共子轨迹的例子 解决方案是将轨迹分割成一系列线段，然后将相似线段分组。这一体系称为分割-分组体系。该体系的主要优点是能从轨迹数据库中发现共同子轨迹。这就是为什么将轨迹分割成一系列线段的原因[4-5]。 提取