Spatio-temporal Clustering

1 介绍

1.1 数据介绍

• data/cluster_time：按时间顺序排列的用户行为轨迹
• data/cluster_unix_time：按时间顺序(时间已经转换为时间戳)排列的用户行为轨迹
• data/cluster_unix_time：按时间顺序(时间约束隐含，没有时间字段)排列的用户行为轨迹
• data/cluster_unix_time_indoor：按时间顺序(时间已经转换为时间戳)排列的室内用户行为轨迹，存在楼层ID（存在时间连续，楼层不同的簇集，即1楼与4楼形成两个簇）

1.2 聚类算法

• MYDBSCAN：基于密度的聚类DBSCAN（Density-Based Spatial Clustering of Applications with Noise）算法的底层实现
• MYAP：基于划分的聚类AP（Affinity Propagation Clustering Algorithm ）算法的底层实现--近邻传播聚类算法
• Adaptive-DBSCAN：自适应的基于密度的空间聚类（Adaptive Density-Based Spatial Clustering of Applications with Noise）算法的底层实现
• MYOPTICS：基于密度的聚类OPTICS（Ordering points to identify the clustering structure）算法的底层实现
• MYKMeans：基于划分的聚类KMeans算法的底层实现
• MYCFSFDP：基于划分和密度的聚类CFSFDP（Clustering by fast search and find of density peaks）算法的底层实现

1.3 时空聚类算法

• ST-DBSCAN：基于DBSCAN改造的时空聚类算法
• Indoor-STDBSCAN：基于DBSCAN改造的室内时空聚类算法，添加了时间约束、楼层约束，以及簇集的合并延时间轴前进不会后退
• ST-OPTICS：基于OPTICS改造的时空聚类算法
• ST-CFSFDP：基于CFSFDP改造的时空聚类算法
• ST-AGNES_DIS：基于凝聚层次聚类（AGNES）改造的时空聚类算法（用距离做阈值，自动生成聚类个数）
• ST-AGNES_SUM：基于凝聚层次聚类（AGNES）改造的时空聚类算法（使用聚类个数做阈值）
• Indoor-STAGNES_DIS：基于凝聚层次聚类（AGNES）改造的室内时空聚类算法（用距离做阈值，自动生成聚类个数）-引入了时间窗口与楼层阈值
• Indoor-STAGNES_NUM：基于凝聚层次聚类（AGNES）改造的室内时空聚类算法（使用聚类个数做阈值）-引入了时间窗口与楼层阈值
• WKM：WKM（Warped K-Means）基于K-Means改造的时空聚类算法（使用聚类个数做阈值）

2 算法原理

2.1在本实例中，如果想将代码直接运行需注意以下几点：

• Python版本3.X（本人使用的是Python 3.6）
• numpy版本 1.13.3（其他版本未实验）
• scipy版本 0.19.1（其他版本未实验）
• matplotlib版本 2.1.0（其他版本未实验）

2.2 空间聚类算法及时空聚类算法学习教程

（1）Python之向量（Vector）距离矩阵计算

（2）聚类算法之K-means算法

（3）聚类算法之DBSCAN算法

（4）聚类算法之OPTICS算法