ST_ClusterDBSCAN - ApsaraDB RDS

返回聚類結果ID的視窗函數，此函數基於二維的DBSCAN演算法（Density-based spatial clustering of applications with noise）計算聚類。

文法

文法一：

integer ST_ClusterDBSCAN(geometry winset geom , float8 eps , integer minpoints);

文法二：

integer ST_ClusterDBSCANSpheroid(geometry winset geom , float8 eps , integer minpoints);

參數

參數名稱	描述
geom	目標geometry對象。
eps	所需的最小距離。
minpoints	成為核心對象所需的鄰域內最小對象數。

描述

與ST_ClusterKMeans不同，它不需要指定簇的數量，而是使用所需的距離和密度參數來構造每個簇。
如果輸入Geometry對象滿足以下條件之一，則會將其添加到簇中：
- 一個核心對象：如果在一個對象的eps-鄰域（即到此對象距離小於eps的範圍）記憶體在至少minpoints個對象，則此對象是核心對象。
- 一個邊界對象：一個對象如果到某個核心對象距離小於eps，且自身不是核心對象，則此對象是邊界對象。
  邊界對象可能在多個核心對象的最小距離範圍內。在此情況下，分配到任意核心對象都是正確的，這時，產生的最小簇中的對象數可能少於指定的最小對象數。
不符合加入任何其他簇標準的對象將被分配為名為NULL的簇。
該函數是視窗函數。
如果使用文法一ST_ClusterDBSCAN函數進行聚類，則會使用歐式距離進行聚類，eps以座標間的歐式距離計算。
如果使用文法二ST_ClusterDBSCANSpheroid函數，則表示根據橢球上的距離進行聚類。
例如，當geometry有SRID並使用經緯度表示時，將會在相應SRID指定的座標系中以米為單位進行聚類。

樣本

SELECT ST_ClusterDBSCAN(geom,2,1) over() ,st_AsText(geom)
    FROM (SELECT unnest(ARRAY['POINT (0 0)'::geometry,
                            'POINT(1 1)'::geometry,
                            'POINT (-1 -1)'::geometry,
                            'POINT (-3 -3)'::geometry]) AS geom) AS test;
 st_clusterdbscan |  st_astext
------------------+--------------
                0 | POINT(0 0)
                0 | POINT(1 1)
                0 | POINT(-1 -1)
                1 | POINT(-3 -3)
(4 rows)