使用 ELKI 的距离函数答案

【问题标题】：Using ELKI's Distance Function使用 ELKI 的距离函数
【发布时间】：2014-07-02 19:00:33
【问题描述】：

这是previous question 的后续内容，我们在其中评论说，使用欧几里得距离和经纬度坐标不会产生正确的结果。我在文档中读到ELKI enables geographic data，即它的距离函数，存在于各种聚类算法中。在 ELKI 的用户界面中，我可以看到有一些选项可以将默认距离函数 (euclidian) 替换为更合适的函数。我还看到，在这种情况下，您需要提供一个数据，这是有道理的，因为您必须告诉 ELKI 数据是如何投影的。我在 UI 中的选项是使用“geo.LngLatDistanceFunction”，因为我使用的是 (x,y) 坐标并使用“WGS84SpheroidEarthModel”，因为数据位于 epsg:4326 中。我正在尝试在 Java 中相应地对我的算法进行参数化，但我不知道该怎么做：如果我像这样初始化我的参数：

ListParameterization params2 = new ListParameterization();
    params2.addParameter(de.lmu.ifi.dbs.elki.algorithm.clustering.DBSCAN.Parameterizer.MINPTS_ID, minPoints);
params2.addParameter(de.lmu.ifi.dbs.elki.algorithm.clustering.DBSCAN.Parameterizer.EPSILON_ID, epsilon);

我可以这样设置距离函数吗？

params2.addParameter(de.lmu.ifi.dbs.elki.algorithm.DistanceBasedAlgorithm.DISTANCE_FUNCTION_ID, 
            de.lmu.ifi.dbs.elki.distance.distancefunction.geo.LngLatDistanceFunction.class);

geo.model 呢？（我不知道这个）

【问题讨论】：

标签： cluster-analysis data-mining geo dbscan elki

【解决方案1】：

默认地球模型是SphericalVincentyEarthModel，据说速度更快（但假设是球形地球，而不是椭球体）；但这应该不会有太大区别，除非您需要精确到仪表：根据this answer，最大误差应该是距离的 0.3%。

要设置地球模型参数，请使用EarthModel.MODEL_ID 作为选项ID。（正如LngLatDistanceFunction 的参数化程序所引用的）。在尝试找到合适的选项 ID 时，请始终查看参数化器 - 我们正在慢慢地将所有选项 ID 移动到参数化器中。

【讨论】：

从你告诉我的情况来看，将地球作为一个球体是可以的。我更关心将距离函数更改为地理所提供的结果。如果我上面显示的片段是正确的，关于设置 LngLatDistanceFunction，结果有点令人惊讶。当我运行 DBSCAN 时，the clusters returned are sets of a repeated point。 These 是通过选择非地理算法 (ManhattanDistanceFunction) 返回的集群。任何想法为什么会发生这种情况？
我补充说我的输入数据是数字向量 (lon,lat) 的关系，根据ELKI's documentation 假设是 geo Relation> vectors = db .getRelation(TypeUtil.NUMBER_VECTOR_FIELD);
我决定将我的 cmets 转换为另一个 question