r - 使用 DBSCAN 对 GPS 数据进行聚类，但聚类没有意义(就大小而言)

Question

我正在处理 GPS 数据(纬度、经度)。对于基于密度的聚类，我在 R 中使用了 DBSCAN。

就我而言，DBSCAN 的优点:

我不必预先定义集群数量

我可以计算一个距离矩阵(使用Haversine Distance
公式)并将其用作 dbscan 中的输入

library(fossil)
dist<- earth.dist(df, dist=T) #df is dataset containing lat long values
library(fpc)
dens<-dbscan(dist,MinPts=25,eps=0.43,method="dist")

现在，当我查看集群时，它们没有意义。一些集群具有相距超过 1 公里的点。我想要密集的集群，但不是那么大。
MinPts的不同值和 eps 得到照顾，我还使用了 k 最近邻距离图来获得最佳值 eps为 MinPts =25

什么 dbscan正在做的是去我数据集中的每个点，如果点 p 有 MinPts在其 eps邻域它将形成一个集群，但同时它也加入了密度可达的集群(我想这对我来说是一个问题)。

这确实是一个大问题，尤其是“如何在不过多影响其信息的情况下减小集群的大小”，但我将其写为以下几点:

如何删除集群中的边界点？我知道哪些点在
哪个集群使用 dens$cluster ，但我怎么知道
特定点是核心还是边界？

集群 0 总是噪音吗？

我的印象是集群的大小将是
与 eps 相当.但事实并非如此，因为密度可达
簇组合在一起。

有没有其他聚类方法具有dbscan的优势？
但是可以给我更有意义的集群吗？

OPTICS是另一种选择，但它会解决我的问题吗？
Note:有意义的是，我想说更近的点应该在一个集群中。但相距 1 公里或以上的点不应在同一簇中。

Answer 1

DBSCAN 没有声称半径是最大簇大小。

你读过文章吗？它正在寻找任意形状的集群； eps只是一个点的核心大小；大致用于密度估计的大小；核心点半径内的任何点都将成为集群的一部分。

这使得它本质上是最大值 步长连接密集点。但它们仍可能形成任意形状或大小的密度连接点链。

我不知道你的 R 实现中的集群 0 是什么。我已经尝试过 R 实现，但它比所有其他实现都慢。我不推荐使用 R，有更好的聚类分析工具可用，例如 ELKI .尝试使用您在 ELKI 上的设置运行 DBSCAN，使用 LatLngDistanceFunction 和 sort-tile-recursive 加载的 R-tree 索引。与 R 相比，您会惊讶于它的速度有多快。

OPTICS 正在寻找相同的 密度连接集群类型。您确定这种任意形状的簇是您要找的吗？

恕我直言，你为你的目标使用了错误的方法(你并没有真正解释你想要实现的目标)

如果您想对簇直径进行硬限制，请使用 完全链接层次聚类 .