我有一个包含多个飞行轨迹的大数据集。这些轨迹都有一个唯一的 id 来标识它们。它们位于经典的 pandas Dataframe 中。轨迹的每个样本都有多个特征，如经度、纬度、高度、速度等等，如 15 个维度。
我的目标是找到一种可以将整个多维轨迹作为输入的聚类算法，并且它只会根据轨迹的整个轨迹对轨迹进行聚类。
它应该是一个具有动态数量的簇的算法，所以 k-mean 不起作用
我尝试使用 DBSCAN 对它们进行聚类，但问题是，一条轨迹对其内部的样本具有不同的聚类标签。只能将每个样本的样本输入 DBSCAN，而不是整个轨迹。
我也在考虑将轨迹转换为单行，但这最终会导致许多维度，我猜这将导致维度的诅咒。
我也听说过距离矩阵，但它们不是也会以多个维度结尾，因此无法输入 DBSCAN 吗？
我将非常感谢有用的答案！
如果您纯粹对轨迹聚类感兴趣，那么我假设您可以只考虑（至少作为起点）经度、纬度和海拔。这听起来像是一个很普遍的问题。对“轨迹之间的距离”的搜索很快就会产生结果。例如轨迹距离测量和性能评估调查。对于 R （不是你想要的，我知道）我找到了 https://cran.r-project.org/web/packages/trajectories/vignettes/article.pdf。搜索“轨迹之间的距离 python”给出了几个结果，但没有任何一个可以作为开箱即用的 3D 工作解决方案脱颖而出。通过这些链接也许您可以更好地解决问题。