一种有效的增量聚类算法

• 作者: 冯少荣 刘笑锋 翁伟 薛永生 许毕峰
• 来源期刊: 计算机科学
• 关键词: 数据挖掘 聚类 密度 最大核心点集 增量聚类算法
• 年，卷（期）: 2004,（11）
• 所属期刊栏目: 计算机网络与信息技术
• 页码范围: 93-96
• 页数: 4页
• 字数: 4490字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2004.11.025

摘要

聚类是数据挖掘领域中最活跃的研究分支之一,聚类技术在其他的科学领域也有广泛的应用.迄今为止已经提出了大量的聚类算法,其中基于密度的DBSCAN算法因其很多优点而备受关注,为了减少DBSCAN的区域查询次数,降低I/O开销而提出的改进算法有FDBSCAN、LSNCCP等.随着应用的发展,增量聚类显得越来越重要,而现有的增量聚类算法存在很大的局限性.基于LSNCCP,提出了一种有效的增量聚类算法,同时它也可以用于对LSNCCP进行性能优化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯少荣	厦门大学计算机科学系	49	822	13.0	28.0
2	薛永生	厦门大学计算机科学系	61	490	13.0	18.0
3	翁伟	厦门大学计算机科学系	8	62	4.0	7.0
4	许毕峰	厦门大学计算机科学系	1	4	1.0	1.0
5	刘笑锋	厦门大学计算机科学系	1	4	1.0	1.0