基于衰減窗口與剪枝維度樹的實時數(shù)據(jù)流聚類研究.pdf

1、實時數(shù)據(jù)流挖掘是目前數(shù)據(jù)挖掘與數(shù)據(jù)庫領域的新興研究熱點，針對實時數(shù)據(jù)流的聚類分析技術(shù)也是該研究中最具有挑戰(zhàn)性的難題之一。本文首先介紹了基于實時數(shù)據(jù)流的數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的研究背景以及該領域現(xiàn)有的主要研究分支：聚類、分類、頻繁模式挖掘、關(guān)聯(lián)規(guī)則分析等。然后綜述了實時數(shù)據(jù)流聚類技術(shù)的最新研究進展，在介紹實時數(shù)據(jù)流聚類相關(guān)理論和常用技術(shù)的基礎上，對現(xiàn)有各種代表性實時數(shù)據(jù)流聚類算法的優(yōu)勢和不足進行了系統(tǒng)地分析，從處理速度、聚類形狀、演化分析、高

2、維性能及噪聲健壯性五個方面對這些聚類算法的性能進行了深入地比較研究，探討了基于聚類的實時數(shù)據(jù)流演化分析方法及其局限性。 針對現(xiàn)有實時數(shù)據(jù)流聚類算法存在的處理速度慢、系統(tǒng)消耗大以及不能識別任意形狀聚類等問題，本文設計并實現(xiàn)了一種基于衰減窗口與密度維度樹的實時數(shù)據(jù)流聚類算法PDStream，該算法首先對數(shù)據(jù)空間進行網(wǎng)格劃分，將數(shù)據(jù)流依次映射到網(wǎng)格空間中，采用一種改進的維度樹結(jié)構(gòu)在線維護和更新數(shù)據(jù)流的概要數(shù)據(jù)結(jié)構(gòu)，同時設計了一種周期性