邱菲
- 作品数:3 被引量:5H指数:1
- 供职机构:沈阳建筑大学信息与控制工程学院更多>>
- 发文基金:辽宁省自然科学基金辽宁省教育厅攻关计划项目国家自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- IncSNN——一种基于密度的增量聚类算法被引量:5
- 2006年
- 基于密度的聚类算法是一类重要的聚类算法,能发现任意形状的簇,但由于它的时间复杂度较高,因此设计有效的增量更新算法是一个重要研究方向.在SNN算法的基础上,提出一种基于密度的增量聚类算法-IncSNN.该算法将所更新对象的空间进行划分,定义了基于该划分的最近邻居的概念,进而确定了受影响对象的集合,当算法更新时,只需要对受影响的数据进行处理.由于受影响对象的集合远小于原数据集合,因此显著提高了算法的效率.实验结果验证了IncSNN的有效性.
- 孙焕良邱菲刘俊岭朱叶丽
- 关键词:聚类分析增量聚类算法
- 一种基于网格索引的空间数据聚类算法
- 在数据挖掘中聚类分析是最广泛的应用之一。基于密度的聚类分析算法能发现任意形状的簇并且能够较好地处理含有噪声的数据,因此广泛应用于分析遥感,地理信息系统(GIS)等空间数据分布情况。但是处理海量空间数据时,现有的基于密度的...
- 孙焕良邱菲刘俊岭朱叶丽
- 关键词:数据挖掘网格索引空间数据聚类算法
- 文献传递
- ISNN:一种基于密度的高效增量聚类算法
- 2006年
- 目的提高算法效率,减少磁盘访问次数,提出一种基于密度的高效增量聚类算法ISNN.方法将更新对象的空间进行划分,定义了基于该划分的最近邻居概念,在此基础上应用一种剪枝策略来确定受影响对象的集合,数据更新时,只需要对受影响对象集合进行处理.结果受影响对象集合远小于原数据集合,显著地提高了算法效率.结论实验表明,ISNN在效率和磁盘访问次数上都显著优于SNN算法.
- 孙焕良邱菲朱叶丽王永会
- 关键词:聚类分析增量聚类算法