文件名称：ICA：一种基于OPTICS的增量聚类算法
文件大小：1.66MB
文件格式：PDF
更新时间：2024-05-31 21:28:44
Incremental clustering algorithm OPTICS
无论是否进行聚类，聚类算法都在数据挖掘中起着重要作用。 它们可用作独立工具或用作预处理步骤，以进一步分析数据。 随着信息时代的到来，数据生成的速度越来越快， 快点。 结果，只能在计算机上操作的聚类算法（例如OPTICS） 静态数据集无法满足新要求。 受集群需求的驱使有效地分析动态数据集，在本文中，我们提出了一种增量聚类基于OPTICS的算法（ICA）。 ICA的结果是一个集群排序结构这与OPTICS的结果有些相似。 在ICA中，我们删除参数e和用户应在OPTICS中预先设置的MinPts和可达性距离也被替换按距离，更易于计算和理解。 因此，ICA的优势不仅仅在于与OPTICS相比效率更高。 此外，我们提出了一种自动命名的方法提取技术，基于聚类分析从聚类排序结构中提取聚类用户的需求。 我们通过一系列实验对性能进行了评估，证明了算法的有效性和效率。 特别地，我们提出详细的比较ICA和OPTICS的结果，结果表明ICA更适合于聚类动态数据集，即随着时间的推移将一些新的数据对象添加到数据集中继续。