地理位置聚类

Question

我有一个客户位置流数据，如果该位置不是他通常访问的位置，我需要分析并检查每个事件，如果不是他通常访问的位置，则需要实时生成警报。 我一直在研究各种聚类算法，但是找不到一种可以“实时”执行的好的算法。

Kmeans过于僵化，带有多个中心。.DBSCAN重量重，不确定其速度是否足以实时响应...

您能提出一个适合实时流处理的建议吗？

Answer 1

我相信DBSCAN足够合适。 它的最坏情况场景复杂度是O（n2），与其他传统算法（例如层次结构）相比，它足够不错。 与kmeans相比，我认为，如果您使用空间数据库（例如SpatiaLIte或PostGIS）中的ST_Centroid函数，则kmeans是适用的（理所当然的是，您使用地理数据）。 在kmeans和DBSCAN之间，我选择DBSCAN是因为我认为解决您问题的答案是关于实时数据的基于密度的方法。