一种适用于数据仓库环境的增量聚类方法

• 作者: 张彩虹 杨华民 王春才 郭威 韩贵东
• 来源期刊: 河北大学学报（自然科学版）
• 学科: 工学
• 关键词: 聚类 数据仓库 增量聚类 CURE
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 研究报告
• 页码范围: 211-215
• 页数: 5页
• 分类号: TP391.4
• 字数: 2709字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1565.2010.02.021

摘要

聚类分析要求较高聚类质量和快速响应能力,各行业数据仓库中的大量、高维数据对算法的效率提出了更大的挑战.CURE算法能够提供高质量聚类结果但不满足联机聚类要求.结合数据仓库数据不定期批量、增量更新的特点,提出了一种新的增量式CURE聚类算法--InCURE,利用对象的互连性和近似度,保持原算法的动态聚类特性的同时大大缩短聚类时间.5维、20维、50维的大量数据实际测试表明无论低维还是高维数据,InCURE都比CURE具有更高的效率,适合数据仓库环境下的增量式聚类分析.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨华民	长春理工大学计算机科学技术学院	93	612	13.0	20.0
2	王春才	长春理工大学计算机科学技术学院	23	99	5.0	8.0
3	郭威	长春理工大学计算机科学技术学院	7	37	4.0	6.0
4	张彩虹	长春理工大学计算机科学技术学院	5	26	3.0	5.0
5	韩贵东	长春理工大学计算机科学技术学院	1	4	1.0	1.0