Quel algorithme de clustering de données convient-il à détecter un nombre inconnu de clusters dans une série chronologique d'événements?

Voici mon scénario. Considérons un ensemble d'événements qui se produisent à différents endroits et heures - à titre d'exemple, considérer une personne au-dessus de l'enregistrement des coups de foudre dans une ville au cours d'une tempête. Pour mon but, sont instantanés et des éclairs ne peuvent frapper certains endroits (comme les immeubles de grande hauteur). Imaginez également chaque coup de foudre a un identifiant unique, donc on peut faire référence à la grève plus tard. Il y a environ 100 000 de ces endroits dans cette ville (comme vous le devinez, c'est une analogie que mon employeur actuel est sensible au sujet du problème réel).

Pour la phase 1, mon entrée est l'ensemble de (id grève, le temps de grève, le lieu de grève) tuples. La sortie désirée est l'ensemble des grappes de cas supérieur à 1 qui a frappé le même emplacement dans un court laps de temps. Le nombre de grappes ne sait pas à l'avance (si k-means est pas utile ici). Ce qui est considéré comme « court » pourrait être prédéfinie pour une tentative de regroupement donné. C'est, je peux le mettre, disons, 3 minutes, que l'algorithme exécuter; essayez plus tard avec 4 minutes ou 10 minutes. Peut-être une touche agréable serait pour l'algorithme pour déterminer une « force » du regroupement et recommande que soit obtenu une entrée donnée, le plus regroupement compact en utilisant une valeur particulière pour « court », mais ce n'est pas nécessaire au départ.

Pour la phase 2, je voudrais prendre en considération l'amplitude de la grève (à savoir un nombre réel) et rechercher des clusters qui sont à la fois dans un court laps de temps et avec des amplitudes similaires.

Je googlé et vérifié les réponses ici sur le clustering de données. L'information est un ahurissant de bits (ci-dessous la liste des liens que je trouvais utile). Autant que je sache, k-means et algorithmes associés ne serait pas utile, car ils nécessitent le nombre de grappes à préciser apriori. Je ne demande pas quelqu'un pour résoudre mon problème (je aime résoudre), mais une certaine orientation dans le grand monde des algorithmes de clustering données seraient utiles pour gagner du temps. Plus précisément, quels algorithmes sont appropriés pour le regroupement lorsque le nombre de clusters est inconnu.

Edit: j'ai réalisé l'emplacement est hors de propos, en ce sens que, même si les événements se produisent tout le temps, je ne dois les regrouper par emplacement . Donc, chaque endroit a sa propre série chronologique d'événements qui peuvent ainsi être analysés indépendamment.

Quelques détails techniques:
- comme l'ensemble de données est pas grande, il peut convenir à tous en mémoire
. - le traitement parallèle est agréable d'avoir, mais pas indispensable. J'ai seulement une machine 4-core et MapReduce et Hadoop serait trop.
- la langue que je suis familier avec la plupart du temps est Java. Je ne l'ai pas encore utilisé R et la courbe d'apprentissage pour ce serait probablement trop pour quelle heure on m'a donné. Je vais jeter un coup d'oeil de toute façon dans mon temps libre.
- pour l'instant, l'utilisation d'outils pour exécuter l'analyse est ok, je n'ai pas à produire du code juste. Je mentionne cela parce que probablement Weka sera proposée.
- visualisation serait utile. Comme l'ensemble de données est assez grand pour qu'il ne rentre pas dans la mémoire, la visualisation doit supporter au moins zoom et de panoramique. Et de préciser: Je ne ai pas besoin de construire une interface graphique de visualisation, il est juste une capacité de agréable à utiliser pour vérifier les résultats obtenus avec un outil.

Merci. Les questions que je trouve utiles sont: Comment trouver le centre de clusters de nombres? problème statistique , Clustering Algorithm for Boys papier , Java Clustering Library , Comment les objets cluster (sans coordonnées) , Algorithm pour détecter des "grappes" de points