基于蜂群算法的數(shù)據(jù)流聚類研究.pdf

1、隨著物聯(lián)網(wǎng)和云計(jì)算技術(shù)的快速發(fā)展,在一些應(yīng)用領(lǐng)域中出現(xiàn)了實(shí)時動態(tài)變化、海量和無限達(dá)到的數(shù)據(jù),這些數(shù)據(jù)以不可預(yù)知的速度流進(jìn)和流出計(jì)算機(jī)系統(tǒng),被學(xué)術(shù)界將定義為數(shù)據(jù)流。對于這種新型的數(shù)據(jù)流數(shù)據(jù),依然采用傳統(tǒng)的數(shù)據(jù)挖掘方法對其進(jìn)行分析和處理已經(jīng)不能滿足要求。所以,這種新的數(shù)據(jù)形式的出現(xiàn)迫切需要開發(fā)出新的數(shù)據(jù)挖掘的方法。聚類是數(shù)據(jù)挖掘領(lǐng)域非常重要技術(shù)之一,能發(fā)現(xiàn)數(shù)據(jù)中隱含的知識和價(jià)值,在數(shù)據(jù)流分析中有相當(dāng)大的作用。到目前為止,已經(jīng)提出了一些數(shù)據(jù)流

2、聚類算法,通過實(shí)驗(yàn)證明有著不錯的工作效率。
　　本文的研究內(nèi)容集中于設(shè)計(jì)出一種高效率、高質(zhì)量、有較強(qiáng)擴(kuò)展性的數(shù)據(jù)流聚類算法。文章總結(jié)了相關(guān)的數(shù)據(jù)挖掘理論和聚類技術(shù),并對現(xiàn)有的數(shù)據(jù)流聚類算法進(jìn)行介紹、分析和比較。在此基礎(chǔ)上,針對數(shù)據(jù)流特點(diǎn)提出了一種高效、可擴(kuò)展的數(shù)據(jù)流聚類算法 ABCCluStream。該算法借鑒了 CluStream算法經(jīng)典的在線—離線兩階段框架,根據(jù)蜂群算法的相關(guān)理論定義聚類過程中相關(guān)的參數(shù),微簇聚類特征結(jié)構(gòu)。A

3、BCCluStream算法的聚類過程是:在線階段使用基于K-means算法將其進(jìn)行聚類,進(jìn)行微簇的初始化,當(dāng)新數(shù)據(jù)點(diǎn)到來時,根據(jù)其相似度值的情況將該數(shù)據(jù)點(diǎn)劃分至關(guān)聯(lián)度最大的簇中,為了突出數(shù)據(jù)流的演繹特點(diǎn),對簇定時進(jìn)行更新。以上過程進(jìn)行的同時需要計(jì)算機(jī)每隔一段固定的時間就將微簇聚類特征以快照的形式存儲于金字塔結(jié)構(gòu)中以便于后續(xù)的分析,同時對微簇進(jìn)行更新,以便發(fā)現(xiàn)非球狀數(shù)據(jù)。離線階段根據(jù)用戶指定時間范圍從硬盤取出所有微簇,選取含有一定數(shù)目的微