保罗·拉姆齐：使用K-Means进行PostGIS聚类
内容提要
PostGIS提供了DBSCAN和ST_ClusterKMeans函数用于聚类。ST_ClusterKMeans可对2D和3D数据进行加权聚类，使用ST_Transform解决日期线问题。聚类结果展示了全球数据的效果。
延伸解读
日期线问题与地心坐标转换
在平面坐标系中直接对经纬度进行K-means聚类，会将日期线两侧的邻近点视为相距很远，导致如俄罗斯和阿拉斯加被错误聚类。使用ST_Transform将坐标转换为地心坐标系（如EPSG:4978）后，日期线两侧的点在三维空间中距离很近，从而避免此问题。这种方法特别适合全球尺度的数据聚类。
加权K-means聚类的实际效果
ST_ClusterKMeans支持通过点的M维度提供权重，实现加权聚类。以人口数据为例，使用人口作为权重后，聚类结果更符合实际分布：印度成为单一聚类，巴西聚类偏向人口密集的东海岸，北美则分为东西两部分。这展示了加权聚类如何利用额外信息调整聚类中心。
三维聚类与二维显示的差异
地心坐标系需要X、Y、Z三个坐标，因此聚类在三维空间中进行，但结果仍可显示在二维地图上。这种三维聚类能更好地处理全球数据，避免极点和日期线的影响。与平面聚类相比，澳大利亚和大洋洲岛屿被归为一类，西伯利亚和阿拉斯加的聚类分界也向西移动。
Q&A
PostGIS 中用于聚类的主要函数有哪些？
PostGIS 提供了 DBSCAN 和 ST_ClusterKMeans 函数用于聚类。DBSCAN 基于空间密度构建聚类，而 ST_ClusterKMeans 执行 K-means 聚类。
ST_ClusterKMeans 支持哪些类型的聚类？
ST_ClusterKMeans 支持 2 维和 3 维数据的聚类，并且当在点的 measure 维度提供权重时，还可以执行加权聚类。
为什么在全球数据聚类中需要处理日期线问题？
因为将经纬度坐标视为平面时，日期线两侧的位置（如阿拉斯加和西伯利亚）在平面上距离很远，导致聚类错误地将它们分开或与其他区域错误合并。对于全球数据，日期线的影响显著，需要特殊处理。
如何使用 ST_Transform 解决日期线问题？
通过 ST_Transform 将经纬度坐标转换为地心坐标系（如 EPSG:4978），在地心坐标系中，日期线两侧的位置在空间上非常接近，从而避免日期线的影响，适合全球数据聚类。
在加权 K-means 聚类中，权重是如何使用的？
加权 K-means 聚类通过输入点的 M 维度（第四坐标）提供权重，利用额外信息调整聚类位置。例如，使用人口作为权重，要求权重严格为正，因此需要过滤掉非正值记录。
使用人口权重进行加权聚类后，结果有哪些变化？
加权聚类结果显示：印度成为单一聚类，巴西聚类偏向人口稠密的东海岸，北美被分为东西两部分。这些变化反映了人口分布对聚类的影响。
