期刊文献+

增量聚类综述及增量DBSCAN聚类算法研究 被引量:5

Summarization on Incremental Clustering and Research of Incremental DBSCAN Algorithm
下载PDF
导出
摘要 本文首先介绍了增量聚类算法的分类以及研究现状,提出了增量聚类算法等价性概念;然后介绍了增量DBSCAN聚类算法;最后针对用于批量更新的增量DBSCAN聚类算法,提出了本文的改进方法。其中,用插入更新数据集生成的子模式调整原聚类模式的方法,还可有效地应用于分布式聚类。 This paper firstly introduces the classification of incremental clustering algorithms and the research state, defines the concept of algorithm equivalence. Then, introduces the incremental DBSCAN algorithms. Finally, improves on methods about the incremental DBSCAN in a batch mode. The method of adjusting the mode with a sub-mode is effectively applied to distributed clustering.
机构地区 北京科技大学
出处 《华北航天工业学院学报》 2006年第2期15-17,共3页 Journal of North China Institute of Astronautic Engineering
关键词 聚类 增量聚类 增量DBSCAN clustering incremental clustering incremental DBSCAN
  • 相关文献

参考文献6

二级参考文献33

  • 1王珏,苗夺谦,周育健.关于Rough Set理论与应用的综述[J].模式识别与人工智能,1996,9(4):337-344. 被引量:264
  • 2苗夺谦.Rough Set理论在机器学习中的应用研究:博士学位论文[M].北京:中国科学院自动化研究所,1997..
  • 3Vapnik V N.统计学习理论的本质(中文版)[M].北京:清华大学出版社,2000..
  • 4黄萱菁.大规模中文文本的检索、分类与摘要研究:博士学位论文[M].上海:复旦大学,1998..
  • 5[1]Wong VWS, Leung CM. Location management for next generation personal communication networks. IEEE Network, 2000,14(5):18~24.
  • 6[2]Han JW, Kambr M. Data Mining Concepts and Techniques. Beijing: Higher Education Press, 2001. 335~393.
  • 7[3]Ng R, Han J. Efficient and effective clustering method for spatial data mining. In: Bocca JB, Jarke M, Zaniolo C, eds. Proc. of the 20th Int'l Conf. on Very Large Data Bases. San Fransisco: Morgan Kaufmann Publisheers, 1994. 144~155.
  • 8[4]Guha S, Rastogi R, Shim K. CURE: An efficient clustering algorithm for large databases. In: Haas LM, Tiwary A, eds. Proc. of the ACM SIGMOD Int'l Conf. on Management of Data. New York: ACM Press, 1998.73~84.
  • 9[5]Guha S, Rastogi R, Shim K, ROCK: A robust clustering algorithm for categorical attributes. In: Proc. of the 15th Int'l Conf. on Data Engineering. IEEE Computer Society, 1999. 512~521.
  • 10[6]Karypis G, Han E-H, Kumar V. Chameleon: Hierarchical clustering using dynamic modeling. IEEE Computer, 1999,32(8):68~75.

共引文献112

同被引文献155

引证文献5

二级引证文献31

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部