2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种基于密度的空间数据流在线聚类算法

于彦伟 王沁 邝俊 何杰

于彦伟, 王沁, 邝俊, 何杰. 一种基于密度的空间数据流在线聚类算法. 自动化学报, 2012, 38(6): 1051-1059. doi: 10.3724/SP.J.1004.2012.01051
引用本文: 于彦伟, 王沁, 邝俊, 何杰. 一种基于密度的空间数据流在线聚类算法. 自动化学报, 2012, 38(6): 1051-1059. doi: 10.3724/SP.J.1004.2012.01051
YU Yan-Wei, WANG Qin, KUANG Jun, HE Jie. An On-line Density-based Clustering Algorithm for Spatial Data Stream. ACTA AUTOMATICA SINICA, 2012, 38(6): 1051-1059. doi: 10.3724/SP.J.1004.2012.01051
Citation: YU Yan-Wei, WANG Qin, KUANG Jun, HE Jie. An On-line Density-based Clustering Algorithm for Spatial Data Stream. ACTA AUTOMATICA SINICA, 2012, 38(6): 1051-1059. doi: 10.3724/SP.J.1004.2012.01051

一种基于密度的空间数据流在线聚类算法

doi: 10.3724/SP.J.1004.2012.01051
详细信息
    通讯作者:

    于彦伟,北京科技大学计算机与通信工程学院博士研究生.主要研究方向为时空数据挖掘,无线传感器网络.

An On-line Density-based Clustering Algorithm for Spatial Data Stream

  • 摘要: 为了解决空间数据流中任意形状簇的聚类问题,提出了一种基于密度的空间数据流在线聚类算法(On-line density-based clustering algorithm for spatial datastream,OLDStream),该算法在先前聚类结果上聚类增量空间数据,仅对新增空间点及其满足核心点条件的邻域数据做局部聚类更新,降低聚类更新的时间复杂度,实现对空间数据流的在线聚类.OLDStream算法具有快速处理大规模空间数据流、实时获取全局任意形状的聚类簇结果、对数据流的输入顺序不敏感、并能发现孤立点数据等优势.在真实数据和合成数据上的综合实验验证了算法的聚类效果、高效率性和较高的可伸缩性,同时实验结果的统计分析显示仅有4%的空间点消耗最坏运行时间,对每个空间点的平均聚类时间约为0.033 ms.
  • 加载中
计量
  • 文章访问数:  2472
  • HTML全文浏览量:  64
  • PDF下载量:  1321
  • 被引次数: 0
出版历程
  • 收稿日期:  2011-10-13
  • 修回日期:  2012-03-01
  • 刊出日期:  2012-06-20

目录

    /

    返回文章
    返回