使用QGIS识别矢量点数据中的聚类吗？

我有一个农村宽带数据点（有多快等）的矢量数据集，我想探讨是否存在具有相似特征的点簇，并绘制包含它们的多边形。

例如，在一个分布在景观上的单个PostGIS数据集中，我可能有45,000个点。我想确定彼此位于x公里以内且速度低于y kbps的群集，并为每个合格群集生成凸包。

例如，在QGIS中是否有一种简单的方法？

我结合了一些建议中的一些内容，并添加了一些自己的建议，找到了一个对我来说非常有效的解决方案-所有这些都来自QGis！

我首先运行一个PostGis SELECT来查找具有正确公共属性并且位于彼此x公里之内的点：

SELECT DISTINCT s1.postcode，s1.the_geom，s1.gid从宽带数据AS s1加入宽带数据AS s2 ON ST_DWithin（s1.the_geom，s2.the_geom，1000）WHERE s1.postcode！= s2.postcode AND s1.fastest_bband

（从曼宁的出色的《PostGis in Action》一书中可以看出，只添加了一个自我联接）

然后，我加载了Carson Farmer的ManageR插件，并导入了该图层。在这里，我跟着建议PAM聚类过程在这里，并出口的结果是形文件上凸包上的是，使用fTools秒计算（卡森确实得到解决！）。

尽管不是QGIS解决方案，但我个人还是选择使用SaTScan进行一些探索性分析。它速度快，文档齐全且应用广泛，因此您在启动时不会遇到麻烦。45k点可能需要一些RAM。

我不确定它是否可以直接从Postgres读取，但可以轻松地从dbf和文本文件导入。

然后可以将分析的输出轻松地读回Postgres或QGIS。您可以决定搜索圆形群集或椭圆形（如果数据中存在特定类型的住区，例如长形的城市/山谷中的村庄等，则可能有用）。然后，您可以生成多边形或椭圆形，或仅显示属于聚类的位置。

为了在Google Earth中快速预览结果，您还可以使用NAACCR的SaTScan到Google Earth转换工具。

重要的是-如果您决定运行蒙特卡洛模拟（我认为最低限度为99），您还可以说出有关群集统计意义的一些信息。至少在过去的二十年中，对这些聚类的解释和论证将是另一个问题，因为它在空间科学中已经进行了辩论（至少我认为是）。

您可以尝试运行纯粹的空间分析，以查找高，低或高和低值的群集。如果您的数据（每天，每周汇总）中有一些时间属性，那么我认为运行一些时空模型真的很有趣。

SciPy有一个集群包（用于python），您可以在python控制台中使用它，编写一个简单的插件即可，也可以在postgis中使用PL / python。

http://docs.scipy.org/doc/scipy/reference/cluster.html

分析之后，只需使用f工具创建凸包。

有你想要使用R和草做一个类似的例子在这里。或者，您可能希望按照建议使用scipy的聚类工具，然后使用此方法进行凸包计算。

您可以尝试使用Ftools插件。 Vector> Geoprocessing Tools> Convex Hulls。

有一个选项Create convex hulls based on input field，输入字段参数应来自输入点的属性。