论文部分内容阅读
已有的大多数聚类算法都假设数据集保持不变，然而很多应用中数据集是会随时间变化的。为此，本文提出一种新的三支决策软增量聚类算法。首先，采用区间集的形式表示类簇，区间集的上界、边界与下界就对应着三支决策产生的正域、边界域和负域，并提出一种基于代表点的初始聚类算法。其次，采用同样的方式对新增数据集进行一次预聚类。为了快速查找新增数据的相似区域，建立了代表点搜索树，并且给出了查找和更新搜索树的策略。最后，运用三支决策策略完成增量聚类。实验结果表明提出的增量聚类算法是有效的。