一种基于时空-POI核函数的时空轨迹聚类方法

本发明公开了一种基于时空‑POI核函数的时空轨迹聚类方法，包括以下步骤：获取原始轨迹数据并进行预处理，生成规范的时空轨迹序列；构建融合POI语义图，提取节点特征向量和边特征向量；设计时空对齐核与POI图结构核，并通过自适应动态权重融合构成时空‑POI核函数；采用k‑means聚类算法，引入课程学习和动态伪标签生成策略；利用聚类损失函数结合Adam优化器和梯度下降法优化自适应动态权重；本发明通过自适应动态权重，实现时空核与语义核权重比例的自适应调整，提出多模态时空‑POI核函数，采用课程学习与动态伪标签生成策略抑制噪声干扰，有效解决复杂城市场景下轨迹聚类存在的特征表征维度单一、多核融合机制僵化以及噪声干扰累积的问题，显著提升聚类精度和模型鲁棒性。