给定一个在地图上不同点包含可变数量注释（[mapView annotations]）的MKMapView和MKMapRect值MKMapRectWorld，我如何确定地图上MKAnnotation对象最集中的区域（可能是彼此最接近的5-15个注释）？
示例场景：
*咖啡查找器：确定地图上哪个区域的星巴克最多
*K9统计：确定地图上哪个区域的可卡犬最多
"区域"可以是一个设置的矩形大小，也可以由一块注释决定，我不一定在乎。谢谢你的帮助！
您会发现相关问题很有帮助。
另请参阅K-means_algorithm
K-means_algorithm
如果你有N个注释，并且想分解成K个部分，你可以用K-means-algorithm找到K个部分中每个部分的中心（这将满足某些标准。例如，最小化簇内平方和）。一旦你们有了中心，找出了中心和注释之间的距离，离中心最远，它将给出你们感兴趣的区域的半径。K-means_algorithm有几种变体，您可以根据性能和易实现性选择其中的一种。
编辑：我还没有实现以下，但认为肯定会给出一个解决方案
如果您对范围5-10表示满意，则可以有多种解决方案。所以我们会找到一个解决方案。
1-假设您有（N=100）个注释，并希望其中哪个（p=15）位于最密集的位置。
2-然后我们将把N个注释随机划分为K=N/p组（这里K=7）
3-使用K-均值算法，这样我们最终会有K个可以区分为单独实体的群。
4-这K个群将具有最小性质"在簇平方和内"。
5-若你们想节省计算时间，你们可以将最集中群的定义放宽为最小的"群内平方和"，而不是由它们限定的区域。
6-从获得的K组中选择一个满足您标准的组。
7-如果想坚持到最小面积（最大浓度）的定义，那么你需要做大量的计算
a。首先确定给定组的边界注释，这本身就是一个巨大的问题。
b。计算每个多边形的面积，看看哪个最小。不复杂但计算要求高）
EDIT2:
我尽我所能，终于想到这个问题属于专业数学网站。我在这里问了你的问题，从答案中，你可以在这里得到讨论这个问题和解决方案的论文。他们讨论的问题是给定N个点，找到凸包面积最小的K个点。