algorithm – 如何聚合地理编码数据集以减少热图的数量？

发布时间：2020-12-14 05:01:07 所属栏目：百科来源：网络整理

导读：我有一个纬度和经度数据集来填充热图.数据太大,将继续日益增加.我需要减少数据量而不会太大地影响热图的性能.我知道我们可以为“重量”添加一个字段,并将两个附近点组合成一个新点,“权重”作为前两个的总和.但我对在哪里种植新观点感到困惑.我认为这不是解

我有一个纬度和经度数据集来填充热图.数据太大,将继续日益增加.我需要减少数据量而不会太大地影响热图的性能.我知道我们可以为“重量”添加一个字段,并将两个附近点组合成一个新点,“权重”作为前两个的总和.但我对在哪里种植新观点感到困惑.我认为这不是解决问题的标准方法.我正在使用golang进行实现,但欢迎所有想法.谢谢.

解决方法

正如评论者所提到的,例如,考虑使用加权平均值.

选择一些接近阈值,在该阈值内聚合任何点.对于这些点中的每一个,生成一个合成点,其坐标是其他点的平均值(中值),其权重是所讨论点的计数.生成热图时仅包括合成加权点,以便您可以通过调整接近阈值来减少数据量.

例如：

type Point struct{ X,Y float32 }

type WeightedPoint struct{ Weight,X,Y float32 }

func GetWeightedPoint(ps []Point) WeightedPoint {
    n := float32(len(ps))
    wp := WeightedPoint{Weight: n}
    if n > 0 {
        for _,p := range ps {
            wp.X += p.X
            wp.Y += p.Y
        }
        wp.X /= n
        wp.Y /= n
    }
    return wp
}

func main() {
    ps := []Point{{0.0,0.0},{1.0,{0.5,1.0}}
    fmt.Printf("OK: %#vn",GetWeightedPoint(ps))
    // OK: main.WeightedPoint{Weight:3,X:0.5,Y:0.33333334}
}

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!