An efficient incremental algorithm for clustering large datasets

Jenni Lampainen

doi:10.1007/s11634-025-00661-6

An efficient incremental algorithm for clustering large datasets

2026-03-01

0

PRE

AI

DOI：10.1007/s11634-025-00661-6

原文链接

原文求助

摘要

En 中文

聚类是数据挖掘和机器学习中的基本任务，尤其适用于大规模数据分析。本文介绍了一种基于新颖增量方法和最小平方和聚类问题非光滑形式的Clust-Splitter高效算法。具体而言，聚类任务通过一系列三个非光滑优化问题进行处理：两个辅助问题用于生成合适的起始点，随后是一个主要的聚类形式。为有效解决这些问题的极大数据库，Clust-Splitter应用了有限内存束方法（Haarala et al. in Optim Methods Softw 19(6):673-692, 2004）作为底层求解器。我们在具有大量属性和大量数据点的真实数据集上测试并评估了Clust-Splitter，并将其性能与几种当前先进的超大尺度聚类算法进行比较。实验结果表明，所提出的方法在聚类极大数据集方面的高效性，以及其解的高质量，与现有最佳方法相当。

Keyword:

Clustering

Incremental algorithm

Large-scale data

Limited memory bundle method

Nonsmooth optimization

Nonconvex optimization

An efficient incremental algorithm for clustering large datasets

摘要

期刊

机构

引用论文