非均匀分布聚类增量更新的新邻近度估计
数据库
2013-10-28 v1
摘要
传统聚类算法挖掘静态数据库并生成以聚类形式存在的一组模式。许多现实生活中的数据库是增量增长的。对于此类动态数据库，从原始数据库中提取的模式会变得过时。因此，由于缺乏根据最新更新修改聚类结果的能力，传统聚类算法不适用于增量数据库。本文提出了一种名为 CFICA（基于聚类特征的数值数据增量聚类方法）的新增量聚类算法来处理数值数据，并提出了一种名为逆邻近度估计 (Inverse Proximity Estimate, IPE) 的新邻近度度量，该度量同时考虑了数据点到聚类代表的邻近度及其到其邻域内最远点的邻近度。CFICA 利用所提出的邻近度度量来确定数据点对聚类的隶属关系。
引用
@article{arxiv.1310.6833,
title = {New Proximity Estimate for Incremental Update of Non-uniformly Distributed Clusters},
author = {A. M. Sowjanya and M. Shashi},
journal= {arXiv preprint arXiv:1310.6833},
year = {2013}
}
备注
19 pages