基于密度網格結構的數據流在線聚類算法研究.pdf

1、隨著計算機和互聯網絡技術的不斷發(fā)展，各個應用領域都在源源不斷地產生數據，而這些數據通常以流的形式出現，例如傳感器網絡產生的數據流、股票交易流、超市結算流、網絡通信流等。數據挖掘融合了統(tǒng)計學、數據庫、機器學習等技術，幫助人們從海量數據中抽取出有用的知識，從而為決策提供重要依據。
　　 數據流具有高速流動、快速變化和潛在無限等特點，因此要求數據流挖掘算法必須滿足單次線性掃描、壓縮存儲、低的時間復雜度等要求?，F有的數據流聚類算法，大多

2、數停留在在線收集和離線分析階段，典型的算法如CluStream。這類算法的缺點是實時性差，不能在線生成用戶需要的聚類，精確的聚類結果需要經過離線分析才能獲得。
　　 針對這些問題，本文對數據流的在線聚類算法進行了研究，主要研究內容包括以下幾方面：
　　 （1）使用密度網格的存儲結構，將數據流的概要信息以統(tǒng)計值的形式存儲在網格單元中。通過設置密度網格閾值Cmax和Cmin，能有效地控制聚類質量。密度網格結構容易更新和維護，

3、從而提高在線聚類效率，并節(jié)省存儲空間。
　　 （2）本文采用計數型滑動窗口來保存當前數據流。通過調整窗口滑動一次的步數step，可以有效地節(jié)省系統(tǒng)資源。
　　 （3）定義了網格鄰居和網格簇等概念，設計優(yōu)化的網格合并和更新規(guī)則，使算法能夠區(qū)分數據密集區(qū)域和稀疏區(qū)域，并較快地找到數據分布中存在的簇，提高算法的實時性。
　　 （4）在論文研究過程中，通過大量的實驗分析和對比，不斷調整和優(yōu)化算法，取得了較好的聚類質量和在