周菊香　錢雪忠　孫志鵬　宋威

摘 要針對傳統(tǒng)聚類算法對動(dòng)態(tài)數(shù)據(jù)集的處理能力較低，且加入新增數(shù)據(jù)后導(dǎo)致原始聚類結(jié)果不再可靠，以及造成算法效率低下和計(jì)算資源浪費(fèi)等不足。本文在基于DBSCAN聚類算法的基礎(chǔ)上，通過改進(jìn)數(shù)據(jù)對象的鄰域半徑和搜索數(shù)據(jù)對象的方式進(jìn)行增量聚類，提出了一種基于DBSCAN的自適應(yīng)搜索增量聚類算法。本文首先對提出的算法進(jìn)行理論分析，其次將其與三種增量聚類算法進(jìn)行對比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明：該算法實(shí)現(xiàn)了對動(dòng)態(tài)數(shù)據(jù)集的有效分析，提高了增量聚類結(jié)果的準(zhǔn)確率和動(dòng)態(tài)數(shù)據(jù)的處理能力。endprint