English(EN) TNStream: Applying Tightest Neighbors to Micro-Clusters to Define Multi-Density Clusters in Streaming Data

新的TNStream算法增强了多密度数据流聚类

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-07 04:00

一篇新论文介绍了一种名为TNStream的算法，该算法专为流数据聚类而设计，能够处理不同的密度和复杂的形状。该方法利用了新颖的“最紧邻近”概念和基于“骨架集”的理论来适应性地确定聚类半径并形成最终簇。在合成和真实世界数据集上的实验表明，TNStream提高了多密度数据流的聚类质量。 AI

影响引入了一种在流环境中处理复杂数据密度的新方法，有可能改善实时分析。

排序理由这是一篇发表在arXiv上的研究论文，详细介绍了一种新的数据流聚类算法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Qifen Zeng, Haomin Bao, Yuanzhuo Hu, Zirui Zhang, Yuheng Zheng, Luosheng Wen · 2026-05-07 04:00

TNStream: Applying Tightest Neighbors to Micro-Clusters to Define Multi-Density Clusters in Streaming Data

arXiv:2505.00359v2 Announce Type: replace Abstract: In data stream clustering, systematic theory of stream clustering algorithms remains relatively scarce. Recently, density-based methods have gained attention. However, existing algorithms struggle to simultaneously handle arbitr…