虽然大多数问题都是关于基于相似性（水坑）对节点进行分组，但我想仅根据节点的接近程度对节点进行分组。
我有大量、密集的节点集合——可能有数百万。在屏幕上它们会占用一定的空间，因此可以认为它们具有一定的尺寸。
我要做的是将这些节点有效地分组为单个包含节点，无论是在处理时间还是在每个容器收集更多节点方面。
我当前的尝试要么太慢，要么不起作用，但都是基于我想到的相同解决方案：通过随机获取一个节点及其周围的节点并分组来计算很多可能的容器他们，然后选择最有效的容器。
你的想法是什么，没有具体用任何语言，但我将使用 PHP 或 JavaScript。
Edit
我忘了提到节点将被流式传输，因此它需要接受无限的节点，在它们到来时将它们放入容器中，创建新容器甚至在必要时删除它们，最多可容纳数百万个容器。那将是最理想的。
【问题讨论】：
标签： php javascript containers grouping nodes
这个问题称为聚类。您有一组节点和一个函数m，用于计算任意两个节点之间的距离。您现在搜索集群，以使每个集群内所有节点之间的所有距离之和最小。
有一些简单的算法可以做到这一点。例如，搜索 k-Means 和 k-Medoid。这两个与您的方法非常相似。更有效的版本是CLARANS 算法 [NH94]。我没有为你找到任何好的资源，但你去吧：
（德语）关于集群的一般脚本。包含伪代码中的 CLARANS（第 45 页） http://www.informatik.hu-berlin.de/forschung/gebiete/wbi/teaching/archive/ws1112/vl_datawarehousing/15_clustering_12.pdf
解释 CLARANS 的英文脚本 http://bib.dbvis.de/uploadedFiles/232.pdf
关于 CLARANS 的论文 http://www.comp.nus.edu.sg/~atung/publication/pakdd002.pdf
名称中的“k”是簇的数量。对于这 3 种算法，您必须先验地指定集群的数量。
有关其他方法，请参阅DBSCAN 算法。您不需要此算法的集群数量，但您必须提供有关节点的其他一些知识。维基百科文章很好地解释了这一点。 :-)
【讨论】：