船舶自动识别系统（Automatic Identification System，简称AIS），是新一代的海上通信导航系统，能够实现船舶、船岸间的船舶表示、位置、航向、航速等航行信息的自动交换。随着船舶自动识别系统(AIS)的广泛安装和使用，对海上移动对象的轨迹数据的研究也慢慢成为了数据挖掘领域研究的热点之一。本文主要研究海量船舶时空轨迹数据缺失属性处理方法和船舶轨迹聚类算法。针对不完备数据集中的缺失属性填补问题，轨迹聚类中轨迹划分方法、轨迹间的相似度计算、轨迹的聚类方法等问题提出了针对AIS数据的方法和改进措施，主要进行了如下工作。　　提出基于信息熵简化的决策树算法对缺失属性值进行填补。通过对原始ID3决策树计算信息熵过程的研究，使用泰勒公式化简计算属性信息熵的过程，重新构造决策树算法，在保证正确性的前提下进行了对比试验。实验表明，决策树算法可以有效的进行AIS数据缺失属性值的填补，改进后的决策树算法能够训练出同样大小、同样特征的决策树，并可以减少决策树构造运算时间，提高准确率。　　提出基于拐点检测的子轨迹划分方法和基于改进的豪斯多夫距离的轨迹聚类方法对AIS数据进行轨迹聚类研究。主要研究以下几方面:首先，通过坐标变化，转换轨迹数据坐标为投影坐标用于计算相似度，接着使用基于拐点检测的轨迹压缩划分算法对轨迹进行压缩和划分;然后在豪斯多夫距离的基础上加入船舶角度-旋回距离，作为新的相似度计算方法，最后使用前面划分的子轨迹段和改进的相似度计算方法进行轨迹聚类，对已经划分好的子轨迹进行聚类，并从每一类中通过扫描线方法找出特征轨迹。实验表明，该聚类算法可以对AIS数据在不丢失重要信息前提下进行有效的压缩，并快速的划分子轨迹，能从海量AIS数据中找出特征轨迹，有较好的应用价值。