近年发表的曲线聚类方法有哪些？

近年来，发表的一些曲线聚类方法包括：

1. DBSCAN（Density-Based Spatial Clustering of Applications with Noise）：基于密度的空间聚类算法，可以用于曲线聚类。
2. OPTICS（Ordering Points To Identify the Clustering Structure）：一种基于密度的聚类算法，可以用于曲线数据的聚类。
3. HDBSCAN（Hierarchical Density-Based Spatial Clustering of Applications with Noise）：一种基于密度的层次聚类算法，适用于曲线聚类。
4. CURE（Clustering Using REpresentatives）：一种基于代表点的聚类算法，可以应用于曲线聚类。
5. STING（STatistical INformation Grid）：一种基于统计信息网格的聚类算法，适用于曲线数据的聚类。
6. PAM（Partitioning Around Medoids）：一种基于中心点的划分聚类算法，可以用于曲线聚类。
7. CLARA（Clustering Large Applications）：一种基于样本抽取的划分聚类算法，适用于曲线数据的聚类。

这些方法都是在曲线聚类领域得到广泛应用的算法。请注意，这只是其中一些方法，还有其他方法也可以用于曲线聚类任务。