我目前正在学习以前学生的代码(用Java语言编写,并将其更改为我更熟悉的C++ ),并正在寻找需要改进的地方。
基本的问题是,我们正在模拟大量的随机轨迹,将结果存储在数组中。在他目前的代码中,有3,000个轨迹,每个轨迹有20000个时间步,因此他使用了20000 x 300个数组来存储位置、速度(以及许多其他系统属性)。
作为机器学习的新手,我有一套不同长度的轨迹。我希望对它们进行聚类,因为它们中的一些是,实际上是相同的路径,而由于噪声的影响,它们的看起来与不同。我对K-means Clustering和Fuzzy N-means Clustering只有一点点的了解。(例如,在集群之后,我有3个集群A, B and C。一个特定的trajectory X属于cluster A。并且一个较短的tr
整个数据集包含18670条轨迹。我想拉出大约1000个包含给定阈值的零星交叉点的交叉点。例如,如果一些轨迹经常相交,但只有一段非常快的时间(少于2/3秒),我想跳过它们。然而,如果存在相交的轨迹,比如说30+秒,我想识别这样的轨迹。我正在识别交叉点,如下所示。交叉点由轨迹is标识,这些轨迹is包含在相同的100m x 100m水桶网格中。