地理位置集群

Question

我有一个客户位置流式传输数据，如果位置是他通常访问的位置，我需要分析和检查每个事件，如果不是他通常访问的位置，则实时生成警报。 我正在寻找各种聚类算法，但找不到一个能够“实时”处理的算法。

K均值是centriods的数量过于死板.. DBSCAN是沉重的重量，不知道它的速度不够快的实时响应...

您能否提供一个，它适合实时流处理？

Answer 1

我相信DBSCAN已经够用了。其最坏情况下的复杂度为O（n2），与其他传统算法（如分层结构）相比，它足够体面。与kmeans相比，如果您使用来自空间数据库（如SpatiaLIte或PostGIS）的ST_Centroid函数（理所当然地使用地理数据），我相信kmeans是适用的。 在kmeans和DBSCAN之间，我选择DBSCAN，因为我认为您的问题的答案是关于实时数据的基于密度的方法。