在ELKI上使用Geo距离函数

Question

我正在使用ELKI来挖掘一些地理空间数据(lat、long对)，我非常关注使用正确的数据类型和算法。在我的算法参数化器上，我尝试用geo函数(LngLatDistanceFunction，因为我使用的是x，y数据)来更改默认的距离函数，如下所示：

params.addParameter (DISTANCE_FUNCTION_ID,  geo.LngLatDistanceFunction.class);

然而，结果是相当令人惊讶的:它创建了重复点的集群，例如下面的示例：

(2.17199922，41.38190043，NaN)，(2.17199922，41.38190043，NaN)]

本例的这是一张图片。

是否使用非geo距离(例如曼哈顿)：

params.addParameter (DISTANCE_FUNCTION_ID,  geo.minkowski.ManhattanDistanceFunction.class);

，t他的产量要合理得多

我想知道我的代码是不是出了什么问题。

我直接在db上运行算法，如下所示：

         Clustering<Model> result = dbscan.run(db); 

然后在循环中迭代结果，同时构造凸包：

   for (de.lmu.ifi.dbs.elki.data.Cluster<?> cl : result.getAllClusters()) {
               if (!cl.isNoise()){
                     Coordinate[] ptList=new Coordinate[cl.size()];
                        int ct=0;               

                        for (DBIDIter iter = cl.getIDs().iter(); 
                                iter.valid(); iter.advance()) {
                                ptList[ct]=dataMap.get(DBIDUtil.toString(iter));                                                                                                                                            
                                ++ct;                                                                   
                        }       

                        GeoPolygon poly=getBoundaryFromCoordinates(ptList);
                        if (poly.getCoordinates().getGeometryType()==
                        "Polygon"){                                                     
                            out.write(poly.coordinates.toText()+"\n");
                        }                      
               }
            }            

要将每个ID映射到某一点，我使用hashmap，在读取数据库时对其进行初始化。我之所以添加这段代码，是因为我怀疑我可能在传递/读取到/从算法中传递/读取的结构上做了错误的事情。我预先感谢你的任何意见，可以帮助我解决这一问题。我发现ELKI是一个非常高效和复杂的库，但是我很难找到一些例子来说明简单的案例，比如我的例子。

Answer 1

您的epsilon值是多少？

地理距离是以米为单位的埃尔基(如果我没记错的话)；曼哈顿的距离将在纬度+经度。由于明显的原因，它们生活在非常不同的尺度上，因此您需要选择不同的epsilon值。

在前面的问题中，您使用了epsilon=0.008。大地测量距离为0.008米=8毫米。

当epsilon =8毫米时，如果你得到的星系团只包含重复的坐标，我并不感到奇怪。上述坐标在数据集中存在多次的可能性吗？