基于網(wǎng)格和加速粒子群優(yōu)化的數(shù)據(jù)流聚類算法研究.pdf

1、近年來，隨著數(shù)據(jù)采集技術(shù)的自動(dòng)化、智能化，往往在很短的時(shí)間里就會(huì)產(chǎn)生大量待處理的數(shù)據(jù)。它們不同于傳統(tǒng)數(shù)據(jù)，是具有即時(shí)性、連續(xù)性、順序性的數(shù)據(jù)流。傳統(tǒng)的聚類分析技術(shù)無法直接應(yīng)用于數(shù)據(jù)流,因此針對數(shù)據(jù)流的聚類十分困難。粒子群優(yōu)化算法屬于群智能范疇，它強(qiáng)調(diào)個(gè)體間的相互作用，具有很好的自適應(yīng)性及魯棒性。與此同時(shí)，數(shù)據(jù)流自身的特性要求聚類算法有較強(qiáng)的自適應(yīng)、自組織和魯棒性，并且當(dāng)前一些數(shù)據(jù)流聚類算法存在著效率低、適應(yīng)性差等問題。因此，將智能優(yōu)化算

2、法引入到數(shù)據(jù)流聚類分析中不僅是一種切合實(shí)際的做法，也會(huì)有很好的發(fā)展前景。
　　本文通過對基于網(wǎng)格的流數(shù)據(jù)聚類算法的研究，將其與加速粒子群優(yōu)化相結(jié)合，提出了一種聚類效果更優(yōu)化的GFPSOS(Grid and Fast Particle Swarm Optimization on Stream)算法。算法采用了CluStream算法的兩階段結(jié)構(gòu)，在線進(jìn)行數(shù)據(jù)處理，離線進(jìn)行聚類并返回結(jié)果。然而，CluStream算法的離線階段采用的是基