嘈杂数据集中的二维模式匹配
2D pattern matching in a noisy dataset
我有一个数据集，由 RFID 天线在两个人移动的 2D x,y 位置上给出。一个人携带 3 个 RFID 标签，而另一个人携带 4 个标签。两者都沿着 y 轴移动，如下所示。红色和青色是路径，两个人在走。
x,y 比例的位置图如下所示。
理想情况下，橙色、黄色、蓝色和灰色线（RFID x、y 数据点）应该在正水平线上，而下面的绿色、深蓝色和天蓝色线应该在负水平线上。
问题
虽然线条不是直线，但出现了一种视觉模式，可以将零线以上聚集在一起，零线以下聚集在一起。我的问题是什么 algorithm/method 可以用来比较这些模式并将它们聚集在一起。 （所以理想的答案应该是，4 行以上在一个集群中，3 行以下在另一个集群中。）
很难将其视为线性运动，因为人们可以以非线性方式行走。所以最佳拟合线不起作用。非常感谢任何建议或阴影。
您想了解聚类时间序列 (1d) 或轨迹 (2d) 的方法。
两者的方法几乎相同。首先，你想找到一个合适的距离度量（相异性度量），其次，你决定一个合适的聚类算法。
可能的距离度量
以下是您可以使用的一些距离示例，每个距离都有一些简短的参数：
- 欧氏距离：非常基本
- 动态时间回绕 (DTW)：可以考虑班次
- 最长公共子序列 (LCSS)：考虑到偏移并可以处理异常值
- 使用实际惩罚 (EDP) 编辑距离：考虑到偏移并可以处理异常值
例如，可以在 this paper. An implementation of the distances can be found here 中找到更多详细信息。
可能的聚类算法
您通常可以将任何距离度量与任何基于距离的聚类算法相结合。
意见
查看您的数据，我会尝试将 DTW 作为距离度量。如果您希望有两个集群，那么 K-Means 和 k=2 应该可以。否则你可以尝试单链接聚类，它会给你类似于下图的东西。
我有一个数据集，由 RFID 天线在两个人移动的 2D x,y 位置上给出。一个人携带 3 个 RFID 标签，而另一个人携带 4 个标签。两者都沿着 y 轴移动，如下所示。红色和青色是路径，两个人在走。
x,y 比例的位置图如下所示。
理想情况下，橙色、黄色、蓝色和灰色线（RFID x、y 数据点）应该在正水平线上，而下面的绿色、深蓝色和天蓝色线应该在负水平线上。
问题 虽然线条不是直线，但出现了一种视觉模式，可以将零线以上聚集在一起，零线以下聚集在一起。我的问题是什么 algorithm/method 可以用来比较这些模式并将它们聚集在一起。 （所以理想的答案应该是，4 行以上在一个集群中，3 行以下在另一个集群中。）
很难将其视为线性运动，因为人们可以以非线性方式行走。所以最佳拟合线不起作用。非常感谢任何建议或阴影。
您想了解聚类时间序列 (1d) 或轨迹 (2d) 的方法。
两者的方法几乎相同。首先，你想找到一个合适的距离度量（相异性度量），其次，你决定一个合适的聚类算法。
可能的距离度量
以下是您可以使用的一些距离示例，每个距离都有一些简短的参数：
- 欧氏距离：非常基本
- 动态时间回绕 (DTW)：可以考虑班次
- 最长公共子序列 (LCSS)：考虑到偏移并可以处理异常值
- 使用实际惩罚 (EDP) 编辑距离：考虑到偏移并可以处理异常值
例如，可以在 this paper. An implementation of the distances can be found here 中找到更多详细信息。
可能的聚类算法
您通常可以将任何距离度量与任何基于距离的聚类算法相结合。
意见
查看您的数据，我会尝试将 DTW 作为距离度量。如果您希望有两个集群，那么 K-Means 和 k=2 应该可以。否则你可以尝试单链接聚类，它会给你类似于下图的东西。