轨迹聚类（二）：分段及归组框架（Trajectory Clustering:A Partition-and-Group Framework）

该博文承接上一篇：
http://blog.csdn.net/jsc9410/article/details/51008444

4.线段聚类

对于线段聚类，原文采用的DBSCAN的算法，我在这篇博文里有详细讨论：
http://blog.csdn.net/jsc9410/article/details/51004057
由于DBSCAN的算法属于基于密度的聚类算法，而对于DBSCAN的研究大多是在散点的聚类背景下，因此有必要定义线段的密度。

4.1 基于线段聚类的DBSCAN名词定义

1. 线段$L_i$及$L_j$ 之间的距离：回顾上篇博文有：
   $$dist(L_i, L_j) = w_{\perp} \cdot d_{\perp}(L_i, L_j) + w_{\parallel} \cdot d_{\parallel}(L_i, L_j) + w_{\theta}\cdot d_{\theta}(L_i, L_j)$$
2. 线段的$\varepsilon$ 邻域$N_{\varepsilon}(L_i)$:
   
   Nε(Li)={ Lj∈D|d