问题： 需要识别IMEI no（用户的家庭位置）的归属位置。
我有一套lat和long，imei和记录的时间;
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.
所以我的计划是使用聚类算法。
如果我们对纬度和长位置进行聚类意味着我们可以得到一组聚类。其中我将集中两个cluster.Cluster，其中大部分latlong记录在白天时间和聚类中，其中大部分latlong点在夜间记录然后，如果在夜间记录大部分latlong的群集，将被视为家庭位置。
我期望哪种聚类算法最适合这种聚类工作以及如何在java中使用算法....？
任何人都可以建议......？
答案 0 :(得分：1)
关于动物的这个想法似乎有很多工作 - 见http://en.wikipedia.org/wiki/Home_range，其中列出了各种地理聚类测量。另请参阅http://en.wikipedia.org/wiki/Spatial_median#Spatial_median。
您的聚类方法在很大程度上取决于数据的外观 - 您可以在XY图形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 - 实际上是为多个用户执行此操作。
我的猜测是，对于大多数用户来说，有一个紧密的集群，这是他们的家，在工作和假期离家时非常分散的云。在这种情况下，我希望找到这样的点，使得到这一点的X％最小距离的总和尽可能小，其中X可能是80-90。你可以通过修改通常的k-means代码来做到这一点，你可以在找到所选X％观察值的最佳拟合点和选择最接近你刚刚选择的点的X％观察值之间重复交替。
K-means需要一个不错的起点 - 事实上尝试几个。理想情况下，您需要一个不受外层云中任何点污染的起点。如果您通过将数据划分为11个部分并获取每个部分的空间中位数来生成起点，则会给出11个起点，如果云中只有10个污染点，则这些起点中至少有一个是源自一组完全未受污染的点。
我希望找到一些拥有两个或更多紧密集群而不是一个集群的用户，以及一个外部云。其中一些用户会觉得暴露二级集群是严重的隐私侵犯。