摘要： 聚类是数据挖掘领域中最活跃的研究分支之一，聚类技术在其他的科学领域也有广泛的应用。迄今为止已经提出了大量的聚类算法，其中基于密度的DBSCAN算法因其很多优点而备受关注，为了减少DBSCAN的区域查询次数，降低I／O开销而提出的改进算法有FDBSCAN、LSNCCP等。随着应用的发展，增量聚类显得越来越重要，而现有的增量聚类算法存在很大的局限性。基于LSNCCP，提出了一种有效的增量聚类算法，同时它也可以用于对LSNCCP进行性能优化。

关键词: 聚类算法 DBSCAN 增量 区域查询 I／O 数据挖掘 性能优化 分支 次数 领域