均值漂移聚类、dbscan、Bisecting K-Means对于时空轨迹聚集点聚类的适用性

这些聚类算法在时空轨迹聚集点聚类中都有一定的适用性。

均值漂移聚类可以在处理多维数据时表现出很好的效果，并且对于需要自动确定簇的个数的场合也能够得到很好的结果。在时空轨迹聚集点的聚类中，可以利用均值漂移聚类来识别轨迹上的聚集点。

DBSCAN算法可以自动发现任意形状的簇，并且能够识别噪声数据。在时空轨迹聚集点的聚类中，可以使用DBSCAN来检测轨迹中的聚集点。

Bisecting K-Means算法可以处理大规模的数据集并且得到良好的结果。在时空轨迹聚集点的聚类中，可以使用Bisecting K-Means来划分轨迹中的聚集点。