一种适用于数据仓库环境的增量聚类方法 (2010年)

聚类分析要求较高聚类质量和快速响应能力，各行业数据仓库中的大量、高维数据对算法的效率提出了更大的挑战.CURE算法能够提供高质量聚类结果但不满足联机聚类要求.结合数据仓库数据不定期批量、增量更新的特点，提出了一种新的增量式CURE聚类算法--InCURE，利用对象的互连性和近似度，保持原算法的动态聚类特性的同时大大缩短聚类时间.5维、20维、50维的大量数据实际测试表明无论低维还是高维数据，InCURE都比CURE具有更高的效率，适合数据仓库环境下的增量式聚类分析.