基于網(wǎng)格的高維數(shù)據(jù)流與序列數(shù)據(jù)聚類算法研究.pdf

1、當(dāng)前在數(shù)據(jù)挖掘領(lǐng)域中，數(shù)據(jù)流聚類分析成為聚類研究中的一個(gè)重要方向?；诰W(wǎng)格的聚類算法中網(wǎng)格的劃分粒度直接影響聚類質(zhì)量，且不適用于高維數(shù)據(jù)流聚類。針對(duì)上述問(wèn)題，本文的研究重點(diǎn)放在了基于網(wǎng)格的數(shù)據(jù)流聚類算法上。這些聚類算法的研究成果在網(wǎng)絡(luò)安全，無(wú)線傳感，工業(yè)控制等領(lǐng)域具有重要的作用。
　　首先，提出了一種基于不規(guī)則網(wǎng)格的高維數(shù)據(jù)流聚類算法。該算法根據(jù)數(shù)據(jù)點(diǎn)在每個(gè)維的l鄰域內(nèi)進(jìn)行網(wǎng)格劃分，并動(dòng)態(tài)地調(diào)整網(wǎng)格結(jié)構(gòu)。當(dāng)有聚類請(qǐng)求的時(shí)候，通過(guò)識(shí)

2、別網(wǎng)格單元密度最低點(diǎn)找到聚類子空間，并在子空間進(jìn)行基于網(wǎng)格的聚類。
　　其次，提出了一種基于矩陣的高維數(shù)據(jù)流聚類算法。此算法采用了CluStream算法的兩階段框架。在線階段，用一組不相交的GC結(jié)構(gòu)維護(hù)每維數(shù)據(jù)的概要信息，定期刪除稀疏的GC單元。離線階段，利用稠密的網(wǎng)格單元 GC構(gòu)建網(wǎng)格矩陣。當(dāng)有聚類請(qǐng)求的時(shí)候，根據(jù)指針指向遍歷矩陣得到多維的聚類結(jié)果。
　　最后，提出了基于軟件故障特征檢測(cè)的序列數(shù)據(jù)聚類算法。該算法在統(tǒng)計(jì)詞頻