对运动轨迹数据进行聚类处理可以挖掘出轨迹数据中一些隐含的信息。在对运动轨迹进行聚类时,大多数的聚类算法都需要指定最终的轨迹簇的个数,还要选定合适的运动轨迹数据之间的相似性度量函数。凝聚式信息瓶颈算法在对运动轨迹数据进行聚类时,引入轨迹特征空间集合,然后通过让原始轨迹数据集合和轨迹特征空间集合的互信息尽可能的小,同时让聚类后的轨迹集合和轨迹特征空间集合的互信息尽可能大。在这两个互信息的约束下该算法可以得到很好的聚类效果。凝聚式信息瓶颈算法是迭代式的计算方式,在每次迭代时会选择能使目标函数最小的两轨迹簇进行合并,这种计算模式可能会造成局部最优解的情况。我们通过为凝聚式信息瓶颈算法的目标函数添加一个全局质量项来平衡局部最有解的情况。通过在合成数据和模拟数据集合上的实验结果,可以发现我们的对凝聚式信息瓶颈算法的改进是很有效的。为了帮助用户理解凝聚式信息瓶颈算法对运动轨迹聚类的具体计算过程,我们设计了一个轨迹聚类可视化分析工具。该可视化工具主要包括两个部分,运动轨迹建模可视化和运动轨迹聚类可视化。通过交互的方式让用户自己控制轨迹建模和聚类的过程,方便用户查看算法的细节,加深对算法的理解。