文档流聚类：实验增量算法和基于AR的工具来突出动态趋势
Document stream clustering: experimenting an incremental algorithm and AR-based tools for highlighting dynamic trends
摘要：
我们在这里解决动态数据采掘提出的两个主要挑战：1）稳定性挑战：我们已经实现了严格的增量密度聚类算法，独立于任何初始条件和数据向量流的排序，2）认知挑战：我们已经在时间t实现了聚类之间的关联规则的严格选择过程，1和时间t，用于直接生成关于数据流的动态的主要结论。我们说明了这些点与应用程序的两年和2600文件的科学信息数据库。
英文摘要：
We address here two major challenges presented by dynamic data mining: 1) the stability challenge: we have implemented a rigorous incremental density-based clustering algorithm, independent from any initial conditions and ordering of the data-vectors stream, 2) the cognitive challenge: we have implemented a stringent selection process of association rules between clusters at time t-1 and time t for directly generating the main conclusions about the dynamics of a data-stream. We illustrate these points with an application to a two years and 2600 documents scientific information database.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
