地理位置集羣

Question

我有一個客戶位置流式傳輸數據，如果位置是他通常訪問的位置，我需要分析和檢查每個事件，如果不是他通常訪問的位置，則實時生成警報。 我正在尋找各種聚類算法，但找不到一個能夠「實時」處理的算法。

K均值是centriods的數量過於死板.. DBSCAN是沉重的重量，不知道它的速度不夠快的實時響應...

您能否提供一個，它適合實時流處理？

Answer 1

我相信DBSCAN已經夠用了。其最壞情況下的複雜度爲O（n2），與其他傳統算法（如分層結構）相比，它足夠體面。與kmeans相比，如果您使用來自空間數據庫（如SpatiaLIte或PostGIS）的ST_Centroid函數（理所當然地使用地理數據），我相信kmeans是適用的。 在kmeans和DBSCAN之間，我選擇DBSCAN，因爲我認爲您的問題的答案是關於實時數據的基於密度的方法。