DBSCAN+KD-Tree聚类算法 JAVA版本

最近应老板需求，对面状要素(polygon)根据其距离的远近进行分组/聚类，然后分析比较组间区别以及组内特征。

通过查看网上的介绍，发现对面状要素进行分组/聚类的文章或算法不太多（好吧，我承认我懒，看到比较复杂的算法脑壳就疼），但是对点要素进行聚类的算法相当成熟（K近邻、DBCSAN等等）

emm…于是，我就想能否把面状要素转为点，然后面积作为点的一个属性/权值对其进行聚类呢？

这样做肯定不精确，因为面状要素形状不规则，不同边界到其他面状要素的距离也不同。我这么做一是为了将面积加入到聚类算法中，二是为了简单起见，并不需要特别正确的对面状要素进行分组。
使用ArcGIS的Feature To Point先将面要素转为点，然后给点要素一个权重属性weight，使用字段计算器将面要素的面积赋值给相应的点，最后使用算法对其进行分组。

一开始通过ArcGIS自带的分组分析Grouping Analysis工具进行分类，使用的K近邻聚类方法，这种方法有两个不足：
1、需要指定分组数目，但是这个组的个数我们没法确定
2、当分组数目超过15组时，该工具无法对每类分组进行评估，以找到最合适的分组（虽然可以改工具的代码，调整最大分组数据，但是给我的感觉是没有理论支撑[其实是我调整了最大分组数后脚步运行有问题，懒得调代码了]，先作为一个备选方式吧）

后来通过咨询同学，结合网上说的方法，决定使用DBSCAN算法(Density-Based Spatial Clustering