这个问题从“ R 中的空间数据聚类”开始，现在已经转移到 DBSCAN 问题。
正如对第一个问题的回答所暗示的那样，我搜索了有关 DBSCAN 的信息并阅读了一些有关的文档。新的问题出现了。
DBSCAN 需要一些参数，其中之一是“距离”。由于我的数据是三个维度，经度、纬度和温度，我应该使用哪个“距离”？哪个维度与该距离有关？我想应该是温度。我如何找到与 R 的最小距离？
另一个参数是形成集群所需的最小点数。有什么方法可以找到那个号码吗？不幸的是我还没有找到。
通过谷歌搜索，我找不到在与我类似的数据集中使用 dbscan 的 R 示例，你知道任何有此类示例的网站吗？所以我可以阅读并尝试适应我的情况。
最后一个问题是我对 DBSCAN 的第一次 R 尝试（没有正确回答前面的问题）导致了内存问题。R说它不能分配向量。我从一个 4 公里间隔的网格开始，其中有 779191 个点，在删除无效的 SST 点时以大约 300000 行 x 3 列（纬度、经度和温度）结束。解决此内存问题的任何提示。它取决于我的计算机还是 DBSCAN 本身？
感谢您耐心阅读冗长且可能很无聊的消息并提供帮助。
我仍然坚持这个问题。我从 R 邮件列表中收到了一些建议（感谢 Christian Hennig），附在此处：
您是否考虑过库fpc中的 dbscan 函数，或者是另一个函数？该
fpc::dbscan()函数没有“距离”参数，但有几个选项，其中一个可以解决您的内存问题（查找“内存”参数的文档）。使用数十万点的距离矩阵是灾难的秘诀（内存方面）。我不确定您使用的功能是否这样做，但
fpc::dbscan()可以避免它。确实
fpc::dbscan()需要用户提供的调整常量。不幸的是，没有一般规则如何做到这一点。有必要了解常量的方法和含义，以及如何将其转化为应用程序的要求。您可以尝试几种不同的选择并进行一些集群验证以查看哪些有效，但我无法通过电子邮件轻松地笼统地解释这一点。
我对我的数据进行了一些尝试，但没有任何成功：
“是的，我已经从 fpc 尝试过 dbscan，但我仍然卡在内存问题上。关于你的回答，我不确定我应该查看哪个内存参数。以下是我尝试使用 dbscan 参数的代码，也许你可以看看有没有错误。
> sstdat=read.csv("sst.dat",sep=";",header=F,col.names=c("lon","lat","sst"))
> library(fpc)
> sst1=subset(sstdat, sst<50)
> sst2=subset(sst1, lon>-6)
> sst2=subset(sst2, lon<40)
> sst2=subset(sst2, lat<46)
> dbscan(sst2$sst, 0.1, MinPts = 5, scale = FALSE, method = c("hybrid"),
seeds = FALSE, showplot = FALSE, countmode = NULL)
Error: no se puede ubicar un vector de tamaño 858.2 Mb
> head(sst2)
lon lat sst
1257 35.18 24.98 26.78
1258 35.22 24.98 26.78
1259 35.27 24.98 26.78
1260 35.31 24.98 26.78
1261 35.35 24.98 26.78
1262 35.40 24.98 26.85
在此示例中，我仅适用dbscan()于温度值，而不适用于经度/纬度，因此eps参数为 0.1。由于它是一个网格数据集，任何点都被八个数据点包围，所以我认为至少有 5 个周围的点应该在可达距离内。但我不确定我是否通过仅考虑温度值来获得正确的方法，也许我错过了空间信息。我应该如何处理经度和纬度数据？
尺寸为sst2：152243 行 x 3 列"
我在这里分享这些邮件信息，以防你们中的任何人都可以分享一些关于 R 和 DBSCAN 的信息。再次感谢
这里的问题在于R。要使 DBSCAN 有效，您需要具有适当的索引结构（需要与您的距离相匹配）。然而，R 并没有真正做索引。此外，fpc 包是 DBSCAN 的简约实现，仅提供其功能的一小部分。
至于距离函数，这是需要您的“领域知识”的地方。如果你有足够灵活的 DBSCAN 实现（它真的很容易实现，索引让它比更难！）您应该能够放置任意距离。您甚至可以制作两个距离函数和 epsilon 值：点数最多为离开，并且温差必须小于
查看“Generalized DBSCAN”，了解 DBSCAN 需要的一般原则：“邻域”概念和“核心点”（或“密度”）概念。