基于密度網(wǎng)格的數(shù)據(jù)流聚類算法研究.pdf

1、數(shù)據(jù)挖掘即為從大量數(shù)據(jù)中提取或“挖掘”知識(shí)。更具體地說(shuō),就是通過(guò)對(duì)數(shù)據(jù)進(jìn)行深入分析,得到隱藏在數(shù)據(jù)背后的本質(zhì)特性和普遍規(guī)律。聚類分析作為數(shù)據(jù)挖掘中的一種重要方法,在各領(lǐng)域中有著廣泛的應(yīng)用。按照某種相似性度量準(zhǔn)則,將物理或抽象對(duì)象的集合分成相似的對(duì)象類的過(guò)程稱為聚類。通過(guò)聚類可以發(fā)現(xiàn)數(shù)據(jù)全局分布模式與對(duì)象屬性之間有趣的相關(guān)性。
　　 近年來(lái),隨著計(jì)算機(jī)與通信技術(shù)的發(fā)展,在各行業(yè)當(dāng)中產(chǎn)生了大量的數(shù)據(jù)流。這種數(shù)據(jù)具有以下特性:數(shù)據(jù)流速

2、快,數(shù)量無(wú)限,動(dòng)態(tài)變化,無(wú)法預(yù)測(cè)。由于以上種種特性的限制,在對(duì)數(shù)據(jù)流進(jìn)行聚類分析時(shí)產(chǎn)生了眾多的難題。已有許多學(xué)者對(duì)數(shù)據(jù)流聚類分析方法進(jìn)行了大量的研究,但仍存在許多尚待改善的地方。
　　 基于密度與網(wǎng)格的聚類方法在各種聚類方法中有著計(jì)算速度快,可以發(fā)現(xiàn)任意形狀的類等特殊優(yōu)勢(shì),適用于數(shù)據(jù)流的聚類分析。對(duì)于基于網(wǎng)格與密度的算法而言,網(wǎng)格的密度閾值是一個(gè)至關(guān)重要的參數(shù),在很大程度上影響了算法的聚類質(zhì)量。而缺乏領(lǐng)域知識(shí)與數(shù)據(jù)先驗(yàn)知識(shí)的用戶

3、很難對(duì)此參數(shù)進(jìn)行確定。本文采用平均密度的方法,通過(guò)對(duì)數(shù)據(jù)初始分布的網(wǎng)格密度進(jìn)行統(tǒng)計(jì),確定網(wǎng)格的密度閾值,并在數(shù)據(jù)流的處理過(guò)程當(dāng)中進(jìn)行動(dòng)態(tài)的調(diào)整,以應(yīng)對(duì)數(shù)據(jù)流動(dòng)態(tài)變化的特性。聚類邊界難以精確是基于網(wǎng)格的聚類方法中另外一個(gè)普遍存在的問(wèn)題,其原因在于在基于網(wǎng)格的方法中通過(guò)舍棄數(shù)據(jù)的原有信息而只對(duì)網(wǎng)格進(jìn)行操作。將數(shù)據(jù)信息進(jìn)行適量保存,對(duì)類邊界的網(wǎng)格進(jìn)行不均勻劃分,可以提高類邊界的精確度。大部分基于網(wǎng)格的聚類算法在聚類的形成過(guò)程中采用隨機(jī)的生成順