哪种数据聚类算法适合检测时间序列事件中未知数量的聚类？

这是我的场景。考虑在不同地点和时间发生的一组事件 - 例如，考虑有人在高空记录暴风雨期间城市中的雷击。就我的目的而言，闪电是瞬时的，只能击中某些位置（例如高层建筑）。还可以想象每次雷击都有一个唯一的 ID，以便以后可以参考该雷击。这个城市大约有100,000个这样的地点（正如你猜的那样，这是一个类比，因为我现在的雇主对实际问题很敏感）。

对于第 1 阶段，我的输入是（罢工 ID、罢工时间、罢工位置）元组的集合。所需的输出是短时间内击中同一位置的 1 个以上事件的集群集合。簇的数量事先是未知的（因此 k 均值在这里没那么有用）。可以针对给定的聚类尝试预定义被视为“短”的内容。也就是说，我可以将其设置为 3 分钟，然后运行算法；稍后尝试 4 分钟或 10 分钟。也许算法可以确定聚类的“强度”，并建议对于给定的输入，通过使用“短”的特定值来实现最紧凑的聚类，但这最初不是必需的。

对于第二阶段，我想考虑罢工的幅度（即实数）并寻找在短时间内且具有相似幅度的集群。

我用谷歌搜索并检查了这里有关数据聚类的答案。这些信息有点令人困惑（下面是我发现有用的链接列表）。 AFAIK，k-means 和相关算法不会有用，因为它们需要先验指定簇的数量。我并不是要求有人来解决我的问题（我喜欢解决它），但为了节省一些时间，数据聚类算法的大世界中的一些方向将是有用的。具体来说，当聚类数量未知时，什么聚类算法适合。

编辑：我意识到位置是无关紧要的，因为虽然事件一直在发生，但我只需要按位置对它们进行聚类。因此，每个位置都有自己的事件时间序列，因此可以独立分析。

一些技术细节：
- 由于数据集不是那么大，它可以容纳所有内存。
- 并行处理是一个很好的选择，但不是必需的。我只有一台 4 核机器，MapReduce 和 Hadoop 就太多了。
- 我最熟悉的语言是Java。我还没有使用过 R，对于我所给的时间来说，它的学习曲线可能会太多。无论如何，我会在空闲时间看一下。
- 目前，使用工具来运行分析是可以的，我不必只生成代码。我提到这一点可能是因为Weka http://www.cs.waikato.ac.nz/ml/weka/将会被建议。
- 可视化会很有用。由于数据集足够大，因此无法容纳在内存中，因此可视化至少应该支持缩放和平移。需要澄清的是：我不需要构建可视化 GUI，它只是一个很好的功能，可用于检查工具生成的结果。

谢谢。我发现有用的问题是：如何找到数字簇的中心？统计问题？ https://stackoverflow.com/questions/2027252, 报童的聚类算法 https://stackoverflow.com/questions/562904, Java集群库 https://stackoverflow.com/questions/2129269, 如何对对象进行聚类（没有坐标） https://stackoverflow.com/questions/691922, 检测点“簇”的算法 https://stackoverflow.com/questions/356035

我建议你调查一下均值平移聚类 http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/TUZEL1/MeanShift.pdf。均值漂移聚类背后的基本思想是获取数据并执行核密度估计 http://en.wikipedia.org/wiki/Kernel_density_estimation，然后找到密度估计中的模式，数据点向模式的收敛区域定义了簇。

均值漂移聚类的好处是不必提前指定聚类的数量。

我没有使用Weka，所以我不确定它是否有均值漂移聚类。但是，如果您使用 MATLAB，这里有一个工具箱（KDE工具箱 http://www.ics.uci.edu/~ihler/code/kde.html） 去做吧。希望有帮助。