使用numpy实现的聚类算法（包括时空聚类算法）.zip

# 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](https://blog.csdn.net/LoveCarpenter/article/details/85048291) #### （2）[聚类算法之K-means算法](https://blog.csdn.net/LoveCarpenter/article/details/85048822) #### （3）[聚类算法之DBSCAN算法](https://blog.csdn.net/LoveCarpenter/article/details/85048944) #### （4）[聚类算法之OPTICS算法](https://blog.csdn.net/LoveCarpenter/article/details/85049135)