如何按邻近度对集合中的对象进行分组？答案

【问题标题】：How do I group objects in a set by proximity?如何按邻近度对集合中的对象进行分组？
【发布时间】：2010-10-03 13:53:39
【问题描述】：

我有一个包含数千个地址的集合。如果我能得到每个地址的经度和纬度，我如何按距离将集合分组？

此外，我可能想根据不同的规则重试“聚类”：

【问题讨论】：

【解决方案1】：

你想要矢量量化：

"它的工作原理是将一大组点（向量）划分为具有大致相同数量的最接近它们的点的组。每个组由其质心点表示，如 k-means 和其他一些聚类算法。"

这里的向量是每个地址的地理坐标，您可以根据您的限制（接近度、组大小、组数...）为您的算法提供其他参数。

您可以从 k-means 开始，但根据我的经验，基于 Voronoi 的算法更灵活。很好的介绍here。

【讨论】：

【解决方案2】：

这在一定程度上取决于您要集群的数据规模。蛮力方法是将所有点组合之间的距离计算成一个距离数组。结果数组为 N^2，由于 A 到 B 的距离与 B 到 A 的距离相同，因此您只需要其中一半，因此结果集为 N^2/2。

对于相对接近的 lat lon 坐标，您有时可以使用 lat long 作为 x,y 网格并计算笛卡尔距离。由于现实世界不是平坦的，笛卡尔距离会有误差。如果您的地址位于全国各地，则应使用更精确的计算方法，请参阅this link from Mathforum.com。

如果您没有规模来处理整个距离矩阵，则需要进行一些算法编程以提高效率。

【讨论】：

【解决方案3】：

如果地址分布均匀，每个组的起始地址周围都会有一种圆形。当起始地址靠近现有组时，问题就出现了。发生这种情况时，如果您的停止标准只是组大小，新组将围绕旧组，甚至可以完全环绕它。如果您使用最大距离约束，则不会发生这种情况（假设没有其他约束）。

我真的不知道这是否是一个好方法，但这是我会尝试的。我确信需要进行大量优化。特别是对于边缘的地址。

【讨论】：

【解决方案4】：

你可以试试k-means clustering算法。

【讨论】：

【解决方案5】：

“N 个组”和“每组 M 个地址”约束是互斥的。一个暗示另一个。

【讨论】：

你不能有N个组，每个组中的地址数量不同吗？
但这不是一个约束。这将是算法的结果。
哪个不是约束？无论如何，如果我说每个组必须有 M 个地址，那么我最终可能会得到已知的 N 个组。但是，如果我指定必须有 N 个组，则每个组的 M 个地址可能会或可能不会是结果。