Question

我正在使用ELKI挖掘一些地理空间数据（纬度，长对），我非常关注使用正确的数据类型和算法。在我的算法的参数化器上，我尝试通过地理函数（LngLatDistanceFunction，因为我使用x，y数据）更改默认距离函数，如下所示：

params.addParameter (DISTANCE_FUNCTION_ID,  geo.LngLatDistanceFunction.class);

然而，结果非常令人惊讶：它创建了重复点的集群，例如下面的示例：

（2.17199922,41.38190043，NaN），（2.17199922,41.38190043，NaN），（2.17199922,41.38190043，NaN），（2.17199922,41.38190043，NaN），（2.17199922,41.38190043，NaN），（2.17199922,41.38190043，NaN），（2.17199922,41.38190043，NaN），（2.17199922,41.38190043，NaN），（2.17199922,41.38190043，NaN），（2.17199922,41.38190043，NaN）]

This is an image这个例子。

我是否使用非地理距离（例如曼哈顿）：

params.addParameter (DISTANCE_FUNCTION_ID,  geo.minkowski.ManhattanDistanceFunction.class);

，叔he output is much more reasonable

我想知道我的代码是否有问题。

我正在db上直接运行算法，如下所示：

         Clustering<Model> result = dbscan.run(db);

然后在循环中迭代结果，同时构造凸包：

   for (de.lmu.ifi.dbs.elki.data.Cluster<?> cl : result.getAllClusters()) {
               if (!cl.isNoise()){
                     Coordinate[] ptList=new Coordinate[cl.size()];
                        int ct=0;               

                        for (DBIDIter iter = cl.getIDs().iter(); 
                                iter.valid(); iter.advance()) {
                                ptList[ct]=dataMap.get(DBIDUtil.toString(iter));                                                                                                                                            
                                ++ct;                                                                   
                        }       

                        GeoPolygon poly=getBoundaryFromCoordinates(ptList);
                        if (poly.getCoordinates().getGeometryType()==
                        "Polygon"){                                                     
                            out.write(poly.coordinates.toText()+"\n");
                        }                      
               }
            }

为了将每个ID映射到一个点，我使用了一个在读取数据库时初始化的hashmap。我之所以添加这段代码，是因为我怀疑我可能在我传递/读取算法的结构方面做错了。我提前感谢你提出任何可以帮助我解决这个问题的意见。我发现ELKI是一个非常高效和复杂的库，但是我很难找到能够说明简单案例的例子，比如我的。

Answer 1

您的epsilon值是多少？

ELKI中的地理距离米（如果我没记错的话）;曼哈顿距离为纬度+经度度。由于显而易见的原因，它们存在于非常不同的尺度上，因此您需要选择不同的epsilon值。

在之前的问题中，您使用了epsilon=0.008。对于大地距离，0.008米= 8毫米。

在epsilon = 8毫米时，如果您获得的聚类只包含重复的坐标，我不会感到惊讶。上述坐标在数据集中是否存在多次？

在ELKI上使用地理距离函数

1 个答案: