我有一个关于用点云进行聚类的问题,其中一个维度 - 代表时间 - 受到一定程度的保护。
为了使其更加清晰,请考虑此视频
肉眼可以看到一些密集的云朵像蚊子一样飞来飞去,它们可能代表进入和离开场景的几件事。现在假设我们有一个三维点数组(x,y,时间)并应用一些天真的聚类(比如说DBSCAN)
现在聚类非常好,除了会议事件被考虑在同一个集群中,提出了X轨迹。现在,如果有某种方式可以不同地对待第三个坐标,也许有人可以恢复基本事实。哪种算法可能适合这个问题?
答案 0 :(得分:1)
DBSCAN存在基于密度的流变体。
他们应该准确地解决你的集群随着时间的推移缓慢移动的情况,以及集群的出现和消失。
我并不相信所有这些“流媒体”方法。他们似乎没有使用任何真实数据,只有模拟和非自然流,如“扑克手”。