Python 使用不同距离对长/横向点进行聚类

我希望能够对long/lat点进行集群，其中每个long/lat点都有一个不同的可达半径，不应该违反这个半径

假设您有一个long/lat对作为起点x，可达半径为R1，我希望能够创建一个大小为Z的集群，其中包括起点。此外，作为该集群候选点的每个点都不应违反其可达半径

这意味着，即使点y在点x的可达性半径范围内，如果其可达性半径无法到达点x，则不应将其包括在内

我原以为我会残忍地执行这个，但这不是很有效（指数）。因此，我研究了DBSCAN算法，但它似乎不能解决我的问题，因为ε/距离是固定的

是否有我遗漏的任何明显的解决方案/算法，或者这只是有效的解决方案/算法

---

提前感谢。

DBSCAN的适应性非常强。有关讨论，请参阅方法通用DBSCAN。本质上，您可以定义一个邻居谓词，例如“两者都是可相互访问的”，然后使用修改后的邻居运行DBSCAN

---

此外，您可能希望研究光学和HDBSCAN*，两者都比DBSCAN有所改进。

您是否尝试使用DBSCAN，方法是更改通过检查返回给定点的相邻点的函数（即，鉴于两点之间关联的可达性，应存在对称可达性），用eps代替支票？这确实是个好主意。此外，在考虑之前，还应验证是否可以达到起点，否则这只是噪音。