随着移动终端和地理位置服务的普及,互联网用户的位置信息更容易被获得和积累。分析潜藏在大量用户数据中的区域信息能使企业更好地实现资源管理、人员分配和服务站点建设,减少因依据行政区域资源配置而导致的浪费。本文以国内某知名分类信息平台移动端经纬度数据为研究对象,实现面向区域信息的类目排序个性化。因该平台市场覆盖程度和用户分享频次不同,经纬度数据在地域上的分布密度差距较大。现有的聚类算法大多致力于发现任意形状、大小的簇,很难处理密度差别较大的数据集,而多密度聚类算法能有效解决这一问题。但是现有的多密度聚类算法区分稀疏单元和稠密单元的阈值需人工输入,且算法对参数非常敏感,存在一定局限性。此外,大多数的多密度聚类缺乏对网格内部数据的观测,导致聚类精度较低。针对网格算法需人工参与的问题,提出了一种自动计算稀疏单元阈值的方法。该方法将图像分割思想与网格聚类算法相结合,能够根据数据空间自动计算稀疏单元阈值。实验证明该方法能够有效剔除大面积稀疏网格。为了更好地应对多密度数据,提出一种新的多密度网格聚类算法。算法通过窗口检测和网格质心观测网格内部数据。实验证明该算法能够应对多密度数据,在发现任意形状、大小簇的同时,具有较好的时问效率,并能普遍应用于各种数据集。基于以上研究,设计并实现了分类信息平台基于类目的区域信息发现实例。根据业务目标选取数据维度,经过数据清洗、数据预处理过程,使数据质量满足聚类要求后,采用本文提出的多密度聚类算法完成区域信息的发现。最后调用百度地图开放接口进行数据展示和知识解释,通过对聚类结果的分析完成了面向区域信息的类目排序个性化,解决了分类信息平台的类目“危机”。