一种顾及位置重复和密度峰值点的签到位置数据聚类方法与流程

技术特征：

1.一种顾及位置重复和密度峰值点的签到位置数据聚类方法，其特征在于，包括以下步骤：

步骤S1：从签到文本中提取出每条签到信息的编号以及经纬度信息构成原始签到对象，对所有的原始签到对象进行预处理后构成集合O；

步骤S2：统计集合O中每个位置上的原始签到对象的数量dFreq，以索引号、该位置坐标和dFreq构建对象FP_i，将所有的FP_i构成集合F，记F的总量为N_F；

步骤S3：计算集合F中两两对象间的欧式距离并构成距离矩阵D，并根据D计算出截断距离d_c，其中D＝[d_ij]，为N_F×N_F方阵，d_ij为对象FP_i与FP_j之间的欧氏距离；

步骤S4：计算每个对象FP_i的局部密度ρ_i和高密度最邻近距离δ_i；

步骤S5：求出阈值ρ₀和δ₀，选择集合F中ρ_i>ρ₀且δ_i>δ₀的对象FP_i为密度峰值对象，将所有的密度峰值对象构成集合P，余下的对象构成集合F’；

步骤S6：任取集合P中的某一密度峰值对象P_i，遍历集合F’，寻找在(Eps，ρt)条件下所有与密度峰值对象P_i连通的核心点，构成密度峰值对象P_i的核心点簇{C}_i；

步骤S7：寻找密度峰值对象P_i和对应核心点周围所有的边界点，然后并入核心点簇{C}_i构成密度峰值对象P_i的峰值点密度簇{P}_i；

步骤S8：重复步骤S6至S7直到集合P中对所有密度峰值对象P_i全部找完峰值点密度簇{P}_i，获得最终聚类结果。

2.根据权利要求1所述的考虑位置重复并基于密度峰值点的签到位置数据聚类方法，其特征在于：所述步骤S1中的预处理包括：

(1)将原始签到对象的经纬度信息转换成墨卡托平面坐标；

(2)以研究区范围的区划图作为底图，将原始签到对象与底图进行叠置，剔除研究区域以外的对象。

3.根据权利要求1所述的考虑位置重复并基于密度峰值点的签到位置数据聚类方法，其特征在于：所述步骤S3中截断距离d_c的计算方法如下：

取距离矩阵D中上三角中的元素(不包含对角线元素)进行升序排序，取第[(N_F-1)*N_F/2]*1％个元素作为截断距离d_c。

4.根据权利要求1所述的考虑位置重复并基于密度峰值点的签到位置数据聚类方法，其特征在于：所述步骤S4中对象FP_i的局部密度ρ_i和高密度最邻近距离δ_i的计算方法如下：

${\mathrm{\ρ}}_i=ln(dFreq+1)\·\underset{j\≠i}{\Σ}{e}^{-{\left(\frac{d_{ij}}{d_c}\right)}^2}$

其中，d_ij为对象FP_i与FP_j之间的欧氏距离。

5.根据权利要求1所述的考虑位置重复并基于密度峰值点的签到位置数据聚类方法，其特征在于：所述步骤S5中阈值ρ₀和δ₀的确定步骤如下：

步骤S51：获取集合F中每个对象FP_i的局部密度ρ_i构成集合L；

步骤S52：核计算集合L中每个局部密度ρ_i的核密度值kd_i；

步骤S53：对集合L中所有的局部密度ρ_i和核密度值kd_i分别进行归一化处理，并以局部密度ρ_i为横轴，核密度值kd_i为纵轴绘制归一化后的核密度曲线；

步骤S54：计算每个局部密度ρ_i处的斜率k_i构成集合K；

步骤S55：设置阈值t，在集合K中逆序遍历寻找第一个绝对值大于阈值t的元素k_i，取其对应的局部密度为ρ₀；

步骤S56：筛选集合F中局部密度大于ρ₀的对象构成集合F_ρ，以F_ρ中对象的δ值构成集合D_ρ；

步骤S57：设集合D_ρ中小于δ₀的元素为正常部分，其概率的为p_t，根据异常检查的方式计算出δ₀。

6.根据权利要求1所述的考虑位置重复并基于密度峰值点的签到位置数据聚类方法，其特征在于：所述步骤S6中的核心点与核心点簇的定义如下：

核心点：对于数据对象p∈F’，若p的局部密度ρ_p大于等于密度阈值ρ_t，则称p为核心点；

核心点簇：与密度峰值对象P_i在(Eps，ρ_t)条件下密度连通的所有核心点构成的点簇，具体获取步骤如下：

步骤S61：遍历集合F’，在(Eps，ρ_t)条件下搜索与密度峰值对象P_i密度直达的所有核心点构成初级核心点簇{C’}_i并从集合F’中去除相应元素；

步骤S62：对于初级核心点簇{C’}_i中的任一成员P_Ci，在F’中以(Eps，ρt)为条件搜索与P_Ci密度直达、密度连通、密度相连的所有核心点构成核心点簇{C}_i并从集合F’去除相应元素，直到对所有P_Ci找完为止。

7.根据权利要求1所述的考虑位置重复并基于密度峰值点的签到位置数据聚类方法，其特征在于：所述步骤S7中的边界点定义如下：

边界点：对于数据对象p∈F’，如果p的局部密度ρ_p小于密度阈值ρ_t，但p位于某个核心点或峰值点的Eps邻域内，则称p为边界点。

8.根据权利要求1所述的考虑位置重复并基于密度峰值点的签到位置数据聚类方法，其特征在于：所述步骤S8中的最终聚类结果包括峰值点密度簇和噪声集合两大部分，其中每个峰值点与其核心点簇及边界点构成峰值点密度簇，集合F’中不属于任何峰值密度簇的对象划入噪声集合。