我有一个形状文件，里面有不同湖泊的深度读数，我正在努力寻找每个湖泊的虫害价值。为了做到这一点，我首先需要按附近对特征进行分组，所以每组代表一个湖。然后我可以继续寻找每一个的最高值。下面是我的数据的屏幕转储。我本质上想做的是将下面的每个集群按附近进行分组，然后为每个组附加一个标识属性。

我看过Neigbourhoodfinder，clustermodeler和其他一些人，但还没有找到让他们做我想做的事的方法。

对人类来说，下图中的群体是显而易见的，我们可以时不时地打败机器，这是一种轻而易举的安慰，但这次我需要电脑来做这项工作。

嗨，大家好，

我总共有n（点）在某一特定区域上按空间划分的。我想把他们分成X集群使用Y每个群集的成员。这必须在空间上尽可能优化。

所以我想在变压器中设置以下参数：

-集群的数量

-簇的大小或最小值。和最大。簇的大小

有人有什么想法吗？我已经尝试使用集群建模器，k-means&rclustercalculation没有成功。

事先谢谢！

我试图让邻里搜索工具有效地匹配两个不同的数据集，例如为什么每个候选对象只匹配一个基，但并非所有基都有候选对象。（应该能够通过使用最大距离字段找到这些）。然而，当数据变得混乱，并且有10个测量值相互重叠时，匹配的候选（即标签）通常不是最接近的候选。我想知道，是否有人知道如何将一组测量值与他们的候选人进行匹配，例如，它产生了基地和候选人之间的最低平均距离，并确保每个候选人找到一个相当接近的基地。帖子：https://knowledge.safe.co亚搏在线m/questions/59605/neighborfinder-and-exclusing-candients-after-matc.html给了我一个想法，但我认为它并不能为我的问题提供一个完整的答案。

这幅图说明了问题所在。我敢打赌，使用瀑布技术会导致大约20%的错误。

这将允许在FME中进行进一步的地理空间和一般数据分析，包括聚类分析的类型，如Jenkins自然断裂或K均值分析。目前最好的选择似乎是脚本（python，r）或其他软件（ESRI，QGIS）。