改进Hausdorff距离与DBSCAN的船舶AIS航迹聚类实践

简介这份资源围绕船舶航迹聚类与异常行为识别复现论文《基于轨迹聚类的船舶异常行为识别研究》的核心流程面向学习 DBSCAN 聚类、豪斯多夫距离计算与航迹偏离预测的 Matlab 用户也适合船舶航迹研究方向的同学作为可以替换自身数据的工程模板。压缩包共 20 个文件、约 4.32MB以 14 个 .m 脚本为主体另含数据与绘图结果压缩包、mat 数据文件、效果图与说明文档覆盖航迹提取、均值滤波、DBSCAN 聚类、改进 Hausdorff 距离计算、聚类中心提取、阈值寻优与偏离预测等模块。已有 768 人学习。读者可直接运行完整流程理解距离度量与阈值分类的实现细节观察聚类与误差率结果图并在此基础上替换自身数据、调整模块以扩展为个人模型兼顾算法学习与项目复现。1. 距离度量选错DBSCAN 参数怎么调都是白费去年帮人看一份 Matlab 船舶航迹聚类代码跑出来的簇形状像被猫抓过的毛线团同一条航道上的船被拆成三簇不同航道的船反而混在一起。对方已经把 eps 从 0.5 试到 50MinPts 从 3 试到 20结果依旧忽好忽坏。问题根本不在 DBSCAN 的参数上而在距离矩阵——用欧氏距离逐点对齐两条航迹等于强行假设所有船在同一时刻出现在同一位置这个假设在真实 AIS 数据上几乎不成立采样间隔不齐、航速不同、起终点也不同。这套方案要解决的就是这件事用改进的 Harsdorf 距离文献里通常写作 Hausdorff指的是两个点集之间的最大不匹配度替换掉欧氏距离把“形状相似、方向一致、长度相当”这三件事同时编码进距离矩阵再交给 DBSCAN 做密度聚类。适合正在做航迹聚类毕设、课程设计或者需要从 AIS 数据里提取典型航道模板的读者——聚类结果往后可以直接喂给航迹预测模块做输入。2. 需求拆解与技术选型为什么是 DBSCAN 加改进 Hausdorff2.1 航迹数据的真实形态决定了距离怎么算AIS 原始记录通常是这张表MMSI、时间戳、经度、纬度、对地航速 SOG、对地航向 COG。一条航迹就是某个 MMSI 在一段时间内的点序列。把它当成普通的二维点云处理会立刻遇到三个麻烦。第一是采样不等间隔。船在开阔水域可能几秒一条进到遮挡区可能几分钟才补一条甚至整段丢包。第二是航迹长度参差不齐短的两三十个点长的上千个点直接算欧氏距离必须先解决“怎么对齐”。第三是噪声点跳点和漂移点在真实数据里是常态一条航迹里混进三五个离群点足以让基于最大值操作的度量彻底失真。所以距离度量的设计目标很明确能处理点数不等、能扛住少量离群点、能区分“形状像但走向相反”的两条航迹。这三点恰好是经典 Hausdorff 距离的三个短板。2.2 为什么不用 K-Means 而要选密度聚类对比项K-MeansDBSCAN是否需要预设簇数必须给 k不需要簇形状假设凸形、近似球形任意形状对噪声点的处理强行归入某个簇单独标记为噪声输入形式特征向量矩阵只需距离矩阵航迹聚类最尴尬的地方在于一个水域到底有几条主航道事先没人知道而这正是 K-Means 的硬伤。DBSCAN 只需要一个距离矩阵就能跑簇数由密度连通性自然决定还能把“只出现一两次的异常航迹”标成噪声——这在业务上恰恰是有价值的输出比如识别绕行、滞留、异常接近。代价是 DBSCAN 对 eps 敏感。但这个敏感度可以通过 k-距离曲线定量确定不像 K-Means 的 k 完全靠猜。而且 DBSCAN 的维度灾难问题在这里不成立聚类发生在“航迹对象空间”维度由距离度量决定不是原始的上千维点位坐标。提示Matlab 自带的 dbscan 函数对不同版本传入预计算距离矩阵的支持不一致接口行为容易在换机器时出问题。我一般直接手写一个基于距离矩阵的版本一百来行逻辑完全透明答辩时也能逐行讲清楚每个分支在做什么。2.3 经典 Hausdorff 距离的三个缺陷经典定义是双向最大最小距离h(A,B) max over a in A of min over b in B of ||a-b||然后 H(A,B) max(h(A,B), h(B,A))。用在航迹上有三个明确问题。一是 max 操作对离群点零容忍。一条航迹里只要有一个跳点h(A,B) 就被那一个点决定其余几百个点的匹配质量全部作废。这是最致命的一条也是改进的首要动因。二是只比形状不比方向。两条航迹如果是同一条航道但相向而行点集重叠度很高Hausdorff 距离会给出一个很小的值聚类时被合并成一簇。业务上这通常是错的。三是对长度差异无感知。一条全程航迹和一条只在中间截取一小段的航迹只要小段被大段“覆盖”距离就很接近。这会让短片段疯狂吸附到长航迹的簇里。2.4 改进思路四项改造合成一个标量我采用的是加权融合的形式把位置、方向、长度三路信息归一化后合成一个距离d(A,B) w1 · Hq(A,B)/s w2 · Ddir(A,B)/π w3 · Dlen(A,B)其中 Hq 是分位数截断的 Hausdorff 距离用 q 分位数替代 max直接压掉离群点的影响Ddir 是两条航迹对应重采样点上的航向差截断均值Dlen 是长度相对差s 是位置项的量纲归一化因子。权重 w1、w2、w3 之和为 1s 建议取全体航迹两两距离的中位数这样位置项和另外两项处在同一量级权重才有意义。四项改造分别是分位数截断替代最大值、加入航向项、加入长度惩罚、统一重采样到等长点数。下面第 4 章会逐项落到代码。3. 总体架构设计四层流水线与六个模块的职责划分3.1 从原始 AIS 到簇标签的数据流整条流水线分四层每层的输出都是下一层的严格输入中间不做隐式转换。这样设计的好处是任何一层出问题都能单独拿输入输出的中间变量复现不用整条链路重跑。第一层是数据清洗层把原始记录按 MMSI 分组、按时间排序、剔除明显跳点和重复点输出规整的航迹结构体数组。第二层是几何预处理层做经纬度到米制平面的投影再按累计弧长等间隔重采样到固定点数 N同时算出每个点的局部航向。第三层是度量层对任意两条航迹算出融合距离遍历所有组合得到对称距离矩阵。第四层是聚类与评估层跑 DBSCAN、算指标、出图、给簇打语义标签。模块输入输出核心函数数据清洗原始 AIS 记录表按 MMSI 分组的时间序列cleanAIS坐标投影经纬度序列以水域中心为原点的米制坐标ll2xy重采样与航向不等长点序列N 点等长航迹 航向序列resampleTrack距离度量两条航迹结构体标量距离impHausdorff密度聚类N×N 对称距离矩阵标签向量-1 为噪声dbscanFromDist评估可视化标签 航迹指标表 航迹图evalCluster3.2 关键参数与建议初值参数不是拍脑袋定的每个都有明确的调整方向和物理含义。下表是我在几个不同规模数据集上收敛得比较快的初值组合可以直接拿去当起点。参数含义建议初值什么时候要改N重采样点数32航迹弯曲剧烈、掉头多加到 48 或 64q位置项分位数截断0.92噪声点占比高就降到 0.85航迹干净可提到 0.98w1位置项权重0.7平行航道难分时降到 0.6把权重让给方向项w2方向项权重0.2存在大量往返航迹时提到 0.3w3长度项权重0.1短片段污染严重时提到 0.15eps邻域半径用 k-距离曲线拐点定簇被切碎就放大簇被合并就缩小minPts核心点最小邻居数5样本少少于 30 条时降到 3 或 4N 的选择有个经验N 太小会丢掉形状细节两条弯曲程度不同的航迹可能被重采样抹平成一样N 太大会放大采样噪声而且距离矩阵计算量按 N² 涨。32 到 48 之间通常够用。3.3 主控脚本的组织方式整条流程用一个主脚本串起来中间变量全部保留在工作区方便出问题时逐段检查。这种“脚本 函数”的混合组织方式比全封装成类更适合毕设场景答辩时打开工作区就能看到每一步的实际数据。% main.m —— 船舶航迹聚类主流程 clear; clc; close all; %% 1. 读入并清洗 raw readAIS(ais_sample.csv); % 返回 tablemmsi, t, lat, lon, sog, cog tracks cleanAIS(raw, 10, 5); % 最少10个点丢掉时间间隔超5小时的断裂 %% 2. 统一投影 lat0 mean([tracks.lat]); lon0 mean([tracks.lon]); for i 1:numel(tracks) [tracks(i).x, tracks(i).y] ll2xy(tracks(i).lat, tracks(i).lon, lat0, lon0); end %% 3. 等长重采样 局部航向 N 32; for i 1:numel(tracks) [tracks(i).P, tracks(i).len] resampleTrack(tracks(i).x, tracks(i).y, N); end %% 4. 距离矩阵对称只算上三角 n numel(tracks); D zeros(n, n); w [0.7, 0.2, 0.1]; q 0.92; for i 1:n-1 for j i1:n d impHausdorff(tracks(i).P, tracks(j).P, tracks(i).len, tracks(j).len, w, q); D(i,j) d; D(j,i) d; end end %% 5. 量纲归一化用中位数距离当尺度因子 mask D 0; s median(D(mask)); D D ./ s; %% 6. 用 k-距离曲线定点 eps kdist sort(D eye(n) * 1e6, 2); % 排除自身 kdist kdist(:, 5); % 第5近邻与 minPts5 对应 figure; plot(sort(kdist, descend)); grid on; xlabel(航迹序号按k-距离降序); ylabel(第5近邻距离); %% 7. 聚类 epsVal 0.35; minPts 5; % epsVal 从上图拐点读取 [labels, isCore] dbscanFromDist(D, epsVal, minPts); %% 8. 评估与可视化 evalCluster(tracks, D, labels);这段脚本里的顺序不能随意调换。投影必须在重采样之前因为重采样按弧长做纬度方向一度的实际长度和经度方向差很多不先投影到米制平面弧长就是假的。归一化必须在 k-距离曲线之前否则 eps 的量纲完全依赖数据尺度换一份数据就得重新猜。第 6 步的eye(n)*1e6是个小技巧把对角线自身距离 0推远避免排序时把自己排到第一。3.4 每一步的输入输出校验点流水线长了出错时最难的是定位在哪一层。我一般在这几个位置插入断言清洗后每条航迹的点数必须不小于阈值、重采样后每条航迹必须恰好 N 个点、距离矩阵必须非负且对称、对角线必须为 0、DBSCAN 输出的噪声比例一般不超过 40%。噪声比例这个检查特别有用。如果超过一半航迹被标成噪声八成不是数据脏而是 eps 太小或者距离归一化出了问题。这个数字我一般会打印出来当着导师的面念一遍比事后解释“结果不理想是因为数据质量”有说服力得多。3.5 与航迹预测模块的衔接这套聚类结果天然是航迹预测的输入。把每个簇的所有航迹再按时间对齐平均就得到该航道的典型航迹模板新来的船匹配到最近的模板用模板后续段做短期位置外推就是最朴素也最稳的预测基线。很多毕设把聚类和预测拆成两个独立章节其实中间的衔接恰恰是最容易讲出深度的地方——簇内航迹的离散度直接决定了预测的不确定区间宽度。4. 核心实现改进 Hausdorff 距离与 DBSCAN 的 Matlab 落地4.1 投影与重采样先把不等长问题解决掉投影用等距圆柱近似就够船舶航迹的空间范围通常在一个港口或一片海域内跨度不会大到需要严格的椭球计算。重采样按累计弧长等间隔切分保证每条航迹都变成 N 个在“沿航迹方向”均匀分布的点这样两条航迹的第 k 个点才有可比性。function [X, Y] ll2xy(lat, lon, lat0, lon0) % 等距圆柱近似投影经纬度 - 以 (lat0,lon0) 为原点的米制平面 % lat/lon 单位度输出单位米 R 6371000; X deg2rad(lon - lon0) .* R .* cosd(lat0); Y deg2rad(lat - lat0) .* R; end function [P, totalLen] resampleTrack(x, y, N) % 按累计弧长等间隔重采样成 N 个点并计算局部航向 % P: N×3列为 [x, y, theta]theta 为弧度 d [0; cumsum(hypot(diff(x), diff(y)))]; totalLen d(end); if totalLen 1e-6 % 原地打转的异常航迹 P repmat([x(1), y(1), 0], N, 1); return; end si linspace(0, totalLen, N); xi interp1(d, x, si, linear); yi interp1(d, y, si, linear); % 局部航向用中心差分端点用单侧差分 theta zeros(N, 1); theta(2:N-1) atan2(yi(3:N) - yi(1:N-2), xi(3:N) - xi(1:N-2)); theta(1) atan2(yi(2) - yi(1), xi(2) - xi(1)); theta(N) atan2(yi(N) - yi(N-1), xi(N) - xi(N-1)); P [xi, yi, theta]; endresampleTrack里有两处细节值得说。一是totalLen的判断AIS 数据里存在停泊状态下位置几乎不变的点累计弧长接近 0interp1会直接报错或者返回 NaN这里必须提前拦截。二是航向用中心差分而不是相邻两点差分因为重采样后的点间距较大单侧差分对噪声极其敏感中心差分相当于做了一次平滑。4.2 改进 Hausdorff 距离四个改造项逐一落地核心函数把前面说的四项改造全部实现。位置项用分位数截断替代最大值方向项用圆周角差的截断均值长度项用相对差最后按权重融合。function d impHausdorff(A, B, lenA, lenB, w, q) % 改进 Hausdorff 距离 % A, B : N×3列为 [x, y, theta] % lenA, lenB : 两条航迹的实际弧长米 % w : [w_pos, w_dir, w_len]三项权重和为1 % q : 位置项分位数截断建议 0.85~0.98 N size(A, 1); % --- 位置项双向最近邻距离分位数截断 --- Dmat pdist2(A(:,1:2), B(:,1:2)); % N×N 距离矩阵一次算完 dAB min(Dmat, [], 2); % A 中每点到 B 的最近距离 dBA min(Dmat, [], 1); % B 中每点到 A 的最近距离 hAB quantileNoToolbox(dAB, q); hBA quantileNoToolbox(dBA, q); hPos max(hAB, hBA); % 仍然做双向取大保证对称性 % --- 方向项对应重采样点的航向差截断均值 --- dTheta abs(wrapToPi(A(:,3) - B(:,3))); hDir quantileNoToolbox(dTheta, q); % 弧度范围 [0, pi] % --- 长度项相对长度差 --- hLen abs(lenA - lenB) / max(lenA, lenB); % --- 加权融合位置项先不除尺度由主流程统一归一化--- d w(1) * hPos w(2) * hDir / pi w(3) * hLen; end function v quantileNoToolbox(x, q) % 不依赖统计工具箱的分位数线性插值 x sort(x(:)); n numel(x); pos q * (n - 1) 1; lo floor(pos); hi ceil(pos); if lo hi v x(lo); else v x(lo) (pos - lo) * (x(hi) - x(lo)); end end关于这段代码有几点必须说清楚。位置项虽然用了分位数截断但最后仍然保留了max(hAB, hBA)的双向取大。这不是偷懒而是为了保证度量的对称性——如果不做双向取大A 到 B 的分位数和 B 到 A 的分位数会不同距离矩阵就不对称DBSCAN 的邻域搜索会出现方向依赖簇的划分结果取决于遍历顺序。我见过有人图省事只用单向结果同一份数据跑两次簇编号都不一样排查了半天。分位数 q 的作用是丢掉最不匹配的那一小撮点。q0.92 意味着只看 92% 匹配得较好的点剩下 8% 当作离群点忽略。这个比例和数据质量强相关噪声点多就往下调调到 0.85 大概能容忍 15% 的跳点。方向项的归一化除以 π把角差映射到 [0,1]这样它和长度项本身就是 [0,1] 的相对差量级一致。位置项的量级由数据尺度决定所以放在主流程里用中位数距离统除。pdist2一次算出 N×N 矩阵再沿两个方向取 min比双重循环快一到两个数量级。N32 时单次调用大概几十微秒几百条航迹的两两组合在上万次调用的量级这个优化是必要的不然一次全量跑下来要几分钟。4.3 距离矩阵的向量化与对称性保证主流程里用双重循环算上三角再镜像这是最直观的写法。如果航迹数量超过 300 条可以进一步向量化把所有航迹的点位堆成一个 N×2×M 的三维数组用permute加pdist2一次性算出所有组合的位置项方向项和长度项用矩阵广播。但说实话航迹聚类的样本量级通常在几十到几百条双重循环完全够用向量化带来的收益不足以抵消代码可读性的损失。毕设场景下代码能不能讲清楚比跑得快更重要。对称性还有一个隐藏的破坏点浮点误差。即使算法上完全对称pdist2内部的累加顺序也可能导致 D(i,j) 和 D(j,i) 差个 1e-16。这个量级本身无害但如果后面用D 0或者unique做判断就会出问题。所以我在镜像赋值时直接令D(j,i) d而不是重新计算一遍。4.4 DBSCAN 主循环手写一个可解释的版本从距离矩阵出发的 DBSCAN 逻辑很干净对每个未访问的点找它的 eps 邻域如果邻域内点数达到 minPts 就开一个新簇然后做密度可达扩展否则先标成噪声后面还有机会被别的核心点“捡回来”。function [labels, isCore] dbscanFromDist(D, eps, minPts) % 基于预计算距离矩阵的 DBSCAN % D : n×n 对称距离矩阵对角线为0 % eps : 邻域半径 % minPts : 核心点最小邻居数含自身 % labels : n×10 表示未分类-1 表示噪声正整数为簇编号 % isCore : n×1 逻辑向量 n size(D, 1); labels zeros(n, 1); isCore false(n, 1); visited false(n, 1); clusterId 0; % 预先算好每个点的邻域避免扩展时反复比较 neighbors cell(n, 1); for i 1:n neighbors{i} find(D(i, :) eps); end for i 1:n if visited(i), continue; end visited(i) true; nb neighbors{i}; if numel(nb) minPts labels(i) -1; % 暂标噪声可能被后续扩展覆盖 continue; end % 开新簇 clusterId clusterId 1; labels(i) clusterId; isCore(i) true; % 用队列做密度可达扩展 queue nb(nb ~ i); ptr 1; while ptr numel(queue) j queue(ptr); ptr ptr 1; if ~visited(j) visited(j) true; nb2 neighbors{j}; if numel(nb2) minPts isCore(j) true; % 把 j 的邻居中尚未入队的补进队列 newOnes nb2(~ismember(nb2, queue)); queue [queue; newOnes]; end end if labels(j) 0 % 未分类或之前被标为噪声 labels(j) clusterId; end end end endminPts是否包含自身不同实现不一样。这里包含自身所以判断条件是numel(nb) minPts。如果按“不含自身”定义判断要改成 minPts - 1两者差一个数但会影响边界点的归属。写论文时在参数表里注明清楚别让评审去猜。labels(j) 0这个条件同时覆盖了未分类0和噪声-1两种情况。这是 DBSCAN 的一个重要特性先被标为噪声的点如果后来被某个核心点密度可达会被重新归入簇。少了这个判断边界点会大量丢失簇的形状会被啃掉一圈。队列扩展里ismember(nb2, queue)的时间复杂度是 O(len(queue))整体最坏 O(n²)对几百个点完全无所谓。真要优化可以换成一个逻辑向量做入队标记但这属于工程优化不影响算法正确性。4.5 结果可视化与簇的语义标注聚类跑完得到的只是一堆编号业务上没意义。真正的交付物是每个簇的语义标签比如“进港主航道”“出港航道”“锚地绕行区”。标注方式是用簇内航迹的平均起点、平均终点和主方向做人工核对或者直接叠加到海图上让熟悉该水域的人指认。图上我一般画三样东西按簇着色的航迹散点、每个簇的质心航迹、用黑色叉号标出的噪声航迹。质心航迹是簇内所有航迹对应重采样点的算术平均能直观看出这个簇的整体走向。噪声航迹单独用叉号标出来答辩时可以说“这些是只出现过一两次的异常航行业务上值得单独关注”比说“这些被算法丢掉了”听起来专业得多。5. 避坑与排查航迹聚类里最容易翻车的五个环节5.1 现象所有航迹被并成一簇或者全部标成噪声这是最常见的第一跑结果两个极端往往来自同一个原因——距离尺度没对齐。如果全部并成一簇说明 eps 相对距离矩阵整体偏大。检查归一化是否漏了位置项是米制距离方向项是弧度长度项是无量纲比值三者直接相加的话位置项会压倒性地主导归一化后所有距离都被压到 0 到 1 之间eps 稍微给大一点就全连上了。如果全部是噪声说明 eps 偏小或者尺度因子 s 取错了。s 用的是全体距离的中位数但如果数据里混进了几条完全不同的航迹比如跨海域的长航线中位数会被拉高归一化后近距离的那些对反而变得比 eps 还小。解决办法是先做一轮粗筛把明显超出研究水域范围的航迹剔掉。定位方法很直接把归一化后的距离矩阵上三角拉平画个直方图看分布的双峰结构两个峰之间的谷底大概就是 eps 该取的位置。5.2 现象同一份数据跑两次簇的编号不一样簇编号本身是无意义的跑两次不同是正常的。真正的问题是聚类结果本身不稳定——同一批航迹被分到了不同的组。原因通常是对称性被破坏。前面提过单向 Hausdorff 会导致 D(i,j) ≠ D(j,i)此时邻域搜索的结果依赖于遍历顺序。另一个隐蔽来源是距离矩阵里出现了 NaN某条航迹重采样失败弧长为 0 或含 NaN 坐标pdist2会把整行整列污染成 NaN而 NaN 参与任何比较都返回 false这个点会静默消失还连带影响邻居的计数。解决办法是在算距离矩阵前后各加一道断言assert(all(isfinite(D(:))))和assert(max(abs(D - D), [], all) 1e-10)。这两个检查加起来不到一秒能省掉半天的排查。5.3 现象距离值看起来合理但聚类结果和肉眼判断完全不符先怀疑坐标系。经纬度直接当平面坐标用是最经典的坑。纬度 30 度附近经度方向一度约 96 公里纬度方向一度约 111 公里两者差 15%。这个误差不会让结果完全崩掉但足以让东西向的航迹和南北向的航迹在距离上产生系统性偏差聚类边界就会歪。还有一个更隐蔽的问题如果研究水域跨度较大等距圆柱近似的误差会随离中心点的距离线性增长。跨度在 50 公里以内这个误差可以接受超过 100 公里建议改用 UTM 投影或者直接用 Haversine 距离算点间距代价是pdist2用不了得自己写循环。排查方法挑两条你确信属于同一航道的航迹手动算一下它们的距离再和距离矩阵里的值对一下。如果对不上问题就在预处理层如果对得上但聚类还是不对问题在 DBSCAN 参数。5.4 现象换一份数据同一套权重就失效了权重 w1、w2、w3 不是普适常数。在一条笔直的单向航道水域位置项占 0.8 都没问题在存在大量往返、交叉的水域方向项权重必须提上来否则相向而行的两条航迹会被合并。我一般的做法是做一个小的权重扫描实验固定 eps 和 minPts让 w2 从 0 扫到 0.5步长 0.05每次跑完记录轮廓系数和簇数。把结果画成双纵轴曲线通常能看出一个明显的平台区取平台中点就是这组数据的合适权重。这个过程跑起来大概几分钟但写进论文里就是一张很有说服力的参数敏感性图。长度项权重 w3 不宜过大。它的作用是抑制短片段吸附给到 0.1 到 0.15 就够了。给到 0.3 以上长度差异会主导距离形状相似的航迹因为长短不同被强行拆开反而破坏了聚类。5.5 现象短航迹全部抱团形成一个大簇这是长度惩罚不足的典型症状。片段航迹因为点数少无论和谁都算得出较小的位置距离加上方向项在短航迹上估计不准几个点的差分方向噪声极大结果所有短片段互相之间距离都很小抱成一个没有业务意义的簇。处理办法有两个可以叠加使用。一是在清洗阶段设最小点数阈值少于 10 个点的航迹直接不参与聚类单独作为“短片段”集合处理。二是在方向项上做置信度加权航迹越短方向项的权重越低长度项和位置项的权重相应提高。实现上就是在impHausdorff里根据min(lenA, lenB)动态调整 w 向量短航迹对之间把 w2 乘一个 0.5 的衰减因子。注意最小点数阈值不要设得太高。设到 30 以上很多正常的短途渡轮航迹会被误删而这些恰恰是业务上关心的对象。10 到 15 之间比较稳妥。6. 验收与答辩用三组实验证明这版聚类真的更好代码跑通只是及格线能证明“改进确实有效”才是交付。我一般要求学生准备三组实验缺一组都会被追问。第一组是参数敏感性实验。固定其他参数让 eps 在拐点附近上下浮动 ±30%画簇数和噪声比例随 eps 变化的曲线。好的结果应该是在一个不窄的区间内簇数保持稳定说明算法对这个参数不敏感或者至少敏感区间是可预期的。如果曲线是锯齿状剧烈跳变说明距离度量的区分度不够得回头改度量而不是继续调参数。第二组是对比实验。同一条流水线只把距离度量换成经典 Hausdorff、欧氏距离、DTW 三种基线其他全部不变跑出各自的指标。这个实验的关键是“只换一个变量”很多人对比时连参数都一起换结果没法归因。指标建议至少给三个指标取值方向说明轮廓系数越大越好0.5 算合格衡量簇内紧、簇间散调整兰德指数 ARI越大越好0.6 算合格需要人工标注一小部分航迹作为参照噪声比例10%~30% 之间比较合理过高说明度量区分度差过低说明噪声没被识别出来簇数稳定性参数扰动下簇数变化幅度反映工程可用性人工标注不需要全量。挑 50 到 80 条覆盖各主要航道的航迹标上所属航道编号算 ARI 就够了。这一步看着麻烦但答辩时被问“你怎么知道聚类结果是对的”有 ARI 和没有 ARI 是两个完全不同的处境。第三组是消融实验。把改进 Hausdorff 的四项改造逐个拿掉——去掉分位数截断、去掉方向项、去掉长度项、不做等长重采样——各跑一次看指标掉多少。这组实验直接对应论文里“改进点”那一节的每一句话哪个改造贡献最大一目了然。做完这组答辩时被问“你这几个改进到底哪个有用”可以直接指着表格回答不用临场发挥。答辩现场最容易被卡住的问题往往不是算法细节而是“你这个距离为什么要这么设计”。我的建议是把回答组织成一条因果链先说数据有什么特点不等长、有噪声、有往返再说经典方法在这三个特点上分别怎么失效然后说每一项改造对应解决哪一个失效最后用消融实验的数字收尾。这条链讲完大概两分钟节奏刚好中间不会被打断。还有个细节把 k-距离曲线那张图单独放在答辩 PPT 里。它是全场唯一一张能证明“eps 不是我随便试出来的”的图比任何文字描述都管用。从那以后我每次带人做这类课题都强制要求先把距离矩阵单独拿出来可视化一遍——画个热力图看看有没有明显的不对称、有没有整行整列的异常值——再往下跑聚类。这一步只花五分钟但能挡掉后面百分之八十的玄学问题。希望帮到你。本文还有配套的精品资源点击获取