基于密度的自适应搜索增量聚类法

2017-03-06 21:49周菊香钱雪忠孙志鹏宋威
电子技术与软件工程 2016年23期
关键词:动态数据计算资源增量

周菊香 钱雪忠 孙志鹏 宋威

摘 要针对传统聚类算法对动态数据集的处理能力较低,且加入新增数据后导致原始聚类结果不再可靠,以及造成算法效率低下和计算资源浪费等不足。本文在基于DBSCAN聚类算法的基础上,通过改进数据对象的邻域半径和搜索数据对象的方式进行增量聚类,提出了一种基于DBSCAN的自适应搜索增量聚类算法。本文首先对提出的算法進行理论分析,其次将其与三种增量聚类算法进行对比实验,实验结果表明:该算法实现了对动态数据集的有效分析,提高了增量聚类结果的准确率和动态数据的处理能力。endprint

猜你喜欢
动态数据计算资源增量
提质和增量之间的“辩证”
基于模糊规划理论的云计算资源调度研究
改进快速稀疏算法的云计算资源负载均衡
云计算环境下动态数据聚集算法研究
基于Wi-Fi与Web的云计算资源调度算法研究
耦合分布式系统多任务动态调度算法
颞下颌关节三维动态数据测量的初步研究
基于均衡增量近邻查询的位置隐私保护方法
基于动态数据驱动的突发水污染事故仿真方法
德州仪器(TI)发布了一对32位增量-累加模数转换器(ADC):ADS1262和ADS126