文献类型：期刊文章

作　　者：樊路[1,2] 钱雪忠[1,2] 姚琳燕[3]

FAN Lu;QIAN Xue-zhong;YAO Lin-yan(Institute of Intelligent Systems and Network Computing,School of Internet of Things Engineering,Jiangnan University,Wuxi 214122,China;Engineering Research Center of Internet of Things Technology Applications,Ministry of Education,Wuxi 214122,China;School of Internet of Things Engineering,Jiangnan University,Wuxi 214122,China)

机构地区：[1]江南大学物联网工程学院智能系统与网络计算研究所,江苏无锡214122 [2]物联网技术应用教育部工程研究中心,江苏无锡214122 [3]江南大学物联网工程学院,江苏无锡214122

出　　处：《传感器与微系统》

基　　金：国家自然科学基金资助项目(61673193);中央高校基本科研业务费专项资金资助项目(JUSRP51635B;JUSRP51510)

年　　份：2019

卷　　号：38

期　　号：2

起止页码：136-139

语　　种：中文

收录情况：CSCD、CSCD_E2019_2020、JST、RCCSE、ZGKJHX、普通刊

摘　　要：大多数聚类算法都是在静态情况下运行,使其不允许添加任何增量数据。提出了一种基于K近邻(KNN)的增量聚类算法,算法包含两个创新点,利用K近邻的思想和样本紧密度两个条件处理增量数据;根据簇特征的变化分裂或合并簇。实验表明:提出的算法既可以发现新簇,又能有效规避噪声点,且能够处理非球形的数据集。

关 键 词：K近邻 增量聚类 簇特征  

分 类 号：TP391]