基于密度的自适应搜索增量聚类法
2017-03-06 21:49周菊香钱雪忠孙志鹏宋威
电子技术与软件工程 2016年23期
周菊香 钱雪忠 孙志鹏 宋威
摘 要针对传统聚类算法对动态数据集的处理能力较低，且加入新增数据后导致原始聚类结果不再可靠，以及造成算法效率低下和计算资源浪费等不足。本文在基于DBSCAN聚类算法的基础上，通过改进数据对象的邻域半径和搜索数据对象的方式进行增量聚类，提出了一种基于DBSCAN的自适应搜索增量聚类算法。本文首先对提出的算法進行理论分析，其次将其与三种增量聚类算法进行对比实验，实验结果表明：该算法实现了对动态数据集的有效分析，提高了增量聚类结果的准确率和动态数据的处理能力。endprint
猜你喜欢
当代陕西(2022年6期)2022-04-19
科学技术创新(2021年18期)2021-06-23
微型电脑应用(2019年10期)2019-10-23
计算机测量与控制(2018年1期)2018-02-05
计算机测量与控制(2017年12期)2018-01-05
计算机技术与发展(2017年12期)2017-12-20
中华老年口腔医学杂志(2016年3期)2017-01-15
电信科学(2016年9期)2016-06-15
浙江大学学报（工学版）(2015年1期)2015-03-01
电子设计工程(2015年16期)2015-02-27
