地理位置聚类

Question

问题：需要标识IMEI号码的归属位置（用户的归属位置）。

我有一套经纬度，记录下来的时间；

注意：

1.Recorded IMEI locations are not periodic.
2.Recorded IMEI locations doesn't has any pattern
3.Lat long locations are may not be recorded on every day.

所以我计划的是使用聚类算法。

如果将lat和long位置聚类，则可以得到一组聚类，其中我将集中两个聚类，其中大部分latlong在白天记录，而大多数latlong点在夜间记录。如果在夜间记录了大部分latlong的群集，则将其视为归属位置。

我期望哪种聚类算法最适合此聚类工作，以及如何在Java中使用算法。

任何人都可以提出建议...？

Answer 1

关于动物的这一想法似乎有很多工作-请参阅http://en.wikipedia.org/wiki/Home_range ，其中列出了各种地理聚类度量。 另请参见http://en.wikipedia.org/wiki/Spatial_median#Spatial_median 。

您的聚类方法很大程度上取决于数据的外观-您可以在XY图或地图上绘制与给定用户关联的位置，以查看期望的聚类类型-实际上是针对多个用户执行的。

我的猜测是，对于大多数用户而言，他们的家是一个紧密的集群，而在工作和度假中，零星的离家出走很远。 在这种情况下，我希望找到一个点，使得到该点的X％最小距离的总和尽可能小，其中X可能为80-90。 您可以通过修改通常的k均值代码来做到这一点，在该代码中，您会反复地在找到所选X％观测值的最佳拟合点与选择最接近您刚刚选择的点的X％观测值之间交替。

K均值需要一个合适的起点-实际上可以尝试几个。 理想情况下，您想要一个不受外云中任何点污染的起点。 如果通过将数据划分为11个部分并取每个部分的空间中位数来生成起点，则这将为您提供11个起点；如果云中只有10个受污染的点，则这些起点中至少有一个是从完全不受污染的点集合中得出。

我希望能找到一些拥有两个或更多个紧密集群而不是一个集群以及外部云的用户。 这些用户中的一些人会觉得暴露辅助群集严重违反了隐私。