DBSCAN是一个基于密度的聚类算法。改算法将具有足够高度的区域划分为簇，并可以在带有“噪声”的空间数据库中发现任意形状的聚类。-DBSCAN is a density-based clustering algorithm. Algorithm change will have enough height to the regional cluster. and to be with the \"noise\" of the spatial database found clusters of

聚类分析是数据挖掘中的一个重要研究领域，是一种数据划分或分组处理的 重要手段和方法。聚类无论在商务领域，还是在生物学、W七b文档分类、图像 处理等其他领域都得到了有效的应用。目前聚类算法大体上分为基于划分的方 法、基于层次的方法、基于密度的方法、基于网格的方法、基于模型的方法以及 模糊聚类。 ,erer

摘要: 现有的聚类算法比如 CluStream 是基于 k-means 算法的。这些算法不能够发现任 意形状的簇以及不能处理离群点。 解决上述问题,本文提出了 而且, 它需要预先知道 k 值和用户指定的时间窗口。 为了 分将数据映射到一个网格, D-Stream 算法,它是基于密度的算法。这个算法用一个在线部 在离线部分计算网格的密度然后基于密度形成簇。 度衰减技术来捕获数据流的动态变化。 为了探索衰减因子、 数据密度以及簇结构之间的关系, 我们的算法能够有效的并且有效率