轨迹分析

轨迹分析与分类：Python中的方法

本项目采用Python、Pandas和Scikit Learn，探索轨迹分析和分类。步骤包括数据清理、轨迹形成、轨迹相似度计算。算法包括： 快速动态时间规整（Fast-DTW） 最长公共子序列算法 计算结果用于轨迹分类。

数据挖掘 5 2024-04-30

轨迹大数据处理的关键技术分析

根据软件学报的相关文章，综述了轨迹大数据处理的关键技术。内容涵盖了轨迹数据的概述、预处理方法、索引与检索技术、数据挖掘方法、隐私保护策略以及最新的数据处理技术。

算法与数据结构 0 2024-08-08

轨迹数据挖掘探索

这篇综述文章由郑宇撰写，深入探讨了轨迹数据挖掘的相关主题。

算法与数据结构 0 2024-08-11

MDToolboxMATLABOctave分子动力学轨迹统计分析工具

MDToolbox是专为MATLAB和Octave设计的工具箱，用于分析分子动力学轨迹的统计特性。它提供了丰富的功能，帮助研究人员深入理解分子系统的动态行为。MDToolbox支持多种数据分析技术，为科学家们在研究复杂生物分子相互作用和结构动态性方面提供了强大的工具。

Matlab 2 2024-08-01

运动轨迹动态展示（MATLAB）

利用 comet 函数展示二维和三维线运动轨迹：- 二维线：余弦和正弦函数的平方和- 三维线：余弦和正弦函数的平方和，z 轴为时间轴

Matlab 4 2024-05-23

Matlab细胞轨迹跟踪代码

此存储库包含用于Matlab的灰度处理和细胞跟踪的源代码。该程序支持荧光或暗场电影的处理，以及相衬电影的跟踪。兼容Matlab 2018a及更早版本，支持'.tif'堆栈和'.nd2'文件格式。还提供适用于Linux的版本。

Matlab 0 2024-08-12

路线熟悉度与车险风险: 基于GPS轨迹数据的分析

路线熟悉度对车险风险的影响 通过分析车主最常行驶的前十条路线行程数量占比, 探究路线熟悉度与车险风险水平之间的关系。 研究结果表明: 路线熟悉程度与车险风险水平显著相关。 随着熟悉路线行程数量占比的上升, 车险出险频率明显下降, 这与人们的普遍认知一致。 使用前一、前三或前十位熟悉路线计算占比, 均可得出上述结论, 其中前十位熟悉路线行程数量占比对风险的区分能力最强 (如图24所示)。

算法与数据结构 3 2024-05-23

GPS轨迹停留点识别算法

基于多层分割算法，从GPS轨迹数据中识别活动停留点，挖掘出行信息。

数据挖掘 4 2024-05-26

基于出租车轨迹的城市居民出行时空特征分析

研究基于出租车轨迹数据的城市居民出行时空特征，揭示居民出行的时间和空间分布规律。通过分析出租车轨迹和POI数据，研究发现深圳市居民出行存在早、中、晚高峰，以及空间上的局部密集和圈层递减现象。此外，研究还分析了居民购物和办公行为的出行时间和距离特征的相似性。GIS技术在居民出行时空特征分析中发挥关键作用，结合POI数据，能够量化分析出行规律。数据挖掘技术也能通过出租车轨迹和POI数据挖掘，揭示出居民出行的时空分布规律。研究结果为城市管理和规划提供了重要依据，帮助理解城市功能结构，推动智能化和信息化发展。

数据挖掘 1 2024-07-13

体育工程领域的草坪碗轨迹展示GUI创建GUI以展示草坪碗的轨迹

该脚本作为体育工程领域的教学工具，展示了创建GUI的过程，并分析草坪碗的轨迹。

Matlab 3 2024-07-19