DICLERGE:飞行轨迹聚类的“分割-聚类-融合”框架

1.综述

前几篇的博文着重讨论了基于密度的聚类算法，我们逐层深入，先是散点的聚类算法（DBSCAN,OPTICS），在散点聚类的基础上，我们对二维线段的轨迹聚类进行了深入研究，其思想与DBSCAN如出一辙。那么，如果将线段再加一维–三维轨迹的聚类又会怎样呢？很自然地，我们完全可以进一步深化二维轨迹的聚类算法，无非是加了高度信息而已，所以其聚类思想不会超出DBSCAN。
这篇博文要介绍一种具有应用背景的三维轨迹聚类算法–三维飞行轨迹聚类算法。原文分三个步骤：
1. 分割：将飞行姿态分为三种：爬升-航途-下降；
2. 聚类：分别对不同飞行姿态进行聚类；
3. 融合：将三段聚类结果融合为完整轨迹。

2.DICLERGE框架

对于DICLERGE框架的完整描述如下：

原文中轨迹的聚类算法采用的是K-Means算法，我们完全可以换成上篇博文提到的TRACLUS算法。

Reference:
DICLERGE: Divide-Cluster-Merge Framework for
Clustering Aircraft Trajectories, Samet Ayhan,Hanan Samet