比较轨迹聚类方法
这是我的模式识别课程学期项目。 目标是在民用飞行数据上比较4种聚类算法（k型，高斯混合模型，dbscan和hdbscan）。 可以在report.pdf文件中找到更多详细信息。
产生的集群如下所示：
应用轨迹分割以减少采样点的数量，并使用hausdorff距离比较轨迹之间的相似性。
更新（2019年2月）
添加了一个演示项目的每个步骤。 首先请看一下，它比项目的其他部分更短，更容易理解。 它还在公共数据集上显示了这些步骤。
公开数据集：
集群轨迹：
2021-03-18 23:43:23
13.74MB
1
提出一种基于改进稀疏子空间聚类的图像分割方法。首先将图像进行过分割得到一些均匀区域称 为超像素，并提取超像素的颜色直方图作为其特征；然后建立特征数据的改进稀疏子空间表示并由此构造图相似 度矩阵，最后利用谱聚类算法得到超像素的聚类结果并作为图像分割结果。实验结果表明，本文提出的改进稀疏 子空间聚类方法具有良好的聚类性能，对噪声具有一定的鲁棒性；用于自然图像能够得到更好的分割效果。
2021-03-17 19:43:29
896KB
1
路标识别与提取（采用聚类方法）（C-means）（K-means）能对路边进行有效识别和提取，采用MATLAB 语言编写。
2019-12-21 20:51:13
4.48MB
1
基于密度的一种聚类方法（DBSCAN）源码 ，里面包含一个简单易懂的例子，讲述了DBSCAN，将简单的数据集进行DBSCAN聚类，最终将聚类的结果绘制成为图形化。
2019-12-21 18:55:44
19KB
1