实践小笔记(1) --- DBSCAN

最新推荐文章于 2024-01-07 16:55:14 发布

熊喵zzz

最新推荐文章于 2024-01-07 16:55:14 发布

阅读量2.1k

点赞数 1

分类专栏： BearCater实践小笔记文章标签：机器学习 python 聚类算法

本文链接：https://blog.csdn.net/wedffws/article/details/121962284

版权

本文记录了使用DBSCAN算法对AIS船舶数据进行轨迹聚类的实践过程，包括模型介绍、数据处理、模型搭建、调参优化和可视化。在数据处理中，考虑了船号特征值过大的问题，选择了不进行标准化处理，以保留关键信息。通过调整参数，观察聚类分组数量和分布，评估聚类效果，并期待得到专家的指正。

摘要由CSDN通过智能技术生成

背景

用AIS船舶数据使用DBSCAN算法进行船舶轨迹聚类

DBSCAN 模型

DBSCAN 模型简要介绍：

DBSCAN (Density-Based Spatial Clustering of Applications with Noise)是一种以密度为基础的空间聚类算法，可以用密度的概念剔除不属于任意类别的噪声点。该算法将簇定义为密度相连的点的最大集合，将具有足够密度的区域划分为簇，并可以发现任意形状的簇。

下图为DBSCAN算法演示，要求圆圈的半径越小或圆内最小样本数越大时，对于簇的产生越严格，密度的要求就越高，离群点会越多。