周菊香 錢雪忠 孫志鵬 宋威
摘 要針對傳統聚類算法對動態數據集的處理能力較低,且加入新增數據后導致原始聚類結果不再可靠,以及造成算法效率低下和計算資源浪費等不足。本文在基于DBSCAN聚類算法的基礎上,通過改進數據對象的鄰域半徑和搜索數據對象的方式進行增量聚類,提出了一種基于DBSCAN的自適應搜索增量聚類算法。本文首先對提出的算法進行理論分析,其次將其與三種增量聚類算法進行對比實驗,實驗結果表明:該算法實現了對動態數據集的有效分析,提高了增量聚類結果的準確率和動態數據的處理能力。endprint