基于可拓關(guān)聯(lián)函數(shù)的數(shù)據(jù)流聚類算法研究.pdf

1、隨著傳感器技術(shù)的日益普及和信息社會(huì)的快速發(fā)展,許多新興應(yīng)用領(lǐng)域中出現(xiàn)了實(shí)時(shí)連續(xù)、海量無限和快速變化的數(shù)據(jù),這些數(shù)據(jù)以不同的更新速率連續(xù)地流進(jìn)和流出計(jì)算機(jī)系統(tǒng),學(xué)術(shù)界將它們定義為數(shù)據(jù)流。面對(duì)這種新型的數(shù)據(jù)形式,仍然運(yùn)用傳統(tǒng)的數(shù)據(jù)挖掘方法對(duì)其進(jìn)行分析和研究顯然是不恰當(dāng)?shù)?。因?迫切需要開發(fā)出新的技術(shù)和新的方法以解決目前的窘境。聚類是數(shù)據(jù)挖掘領(lǐng)域中一項(xiàng)非常重要的技術(shù),對(duì)數(shù)據(jù)流進(jìn)行聚類分析有相當(dāng)大的現(xiàn)實(shí)意義。迄今為止,已有許多優(yōu)秀的數(shù)據(jù)流聚類算

2、法被相繼提出,它們?cè)谝欢ǔ潭壬辖鉀Q了數(shù)據(jù)流聚類分析的難題。
　　本文的研究?jī)?nèi)容集中于如何設(shè)計(jì)出一種高效率、高質(zhì)量的數(shù)據(jù)流聚類算法。文章總結(jié)了相關(guān)的聚類理論和技術(shù)并且對(duì)現(xiàn)有的數(shù)據(jù)流聚類算法進(jìn)行了分析和比較,在此基礎(chǔ)上,針對(duì)數(shù)據(jù)流本身所具有的特點(diǎn)提出了一種高效、準(zhǔn)確的數(shù)據(jù)流聚類算法EXCluStream。該算法借鑒了CluStream算法經(jīng)典的在線—離線兩階段框架,并且根據(jù)可拓學(xué)的物元和經(jīng)典域概念修改了微簇聚類特征結(jié)構(gòu)。EXCluSt

3、ream算法的聚類過程是:在線階段使用本文所提出的基于可拓關(guān)聯(lián)函數(shù)的聚類算法CABDF進(jìn)行微簇的初始化,然后,當(dāng)新數(shù)據(jù)點(diǎn)到來時(shí),根據(jù)其關(guān)聯(lián)度取值的情況將該數(shù)據(jù)點(diǎn)劃分至關(guān)聯(lián)度最大的簇中,以上過程進(jìn)行的同時(shí)需要計(jì)算機(jī)每隔一段固定的時(shí)間就將微簇聚類特征以快照的形式存儲(chǔ)于金字塔結(jié)構(gòu)中以便于后續(xù)的分析。離線階段將從硬盤中取出用戶指定時(shí)間范圍內(nèi)的所有微簇,選取含有一定數(shù)目的微簇作為虛擬點(diǎn),再次調(diào)用CABDF算法進(jìn)行聚類。倘若用戶需要對(duì)數(shù)據(jù)流的演變進(jìn)