版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著信息化技術(shù)的發(fā)展和廣泛應(yīng)用,在很多新興的研究領(lǐng)域中產(chǎn)生了一種新的研究對(duì)象,這種具有與傳統(tǒng)數(shù)據(jù)不同特性的數(shù)據(jù),它們具有海量性、時(shí)序性,同時(shí)是快速變化的和潛在無限的,我們把這種數(shù)據(jù)稱為數(shù)據(jù)流。因而,針對(duì)數(shù)據(jù)流的聚類算法研究是非?;馃岬?。
在現(xiàn)實(shí)環(huán)境中,因?yàn)闄C(jī)器精度誤差,人為因素造成的數(shù)據(jù)對(duì)最終的結(jié)果會(huì)產(chǎn)生一定的影響,形成不確定數(shù)據(jù),但是現(xiàn)有數(shù)據(jù)流聚類算法多數(shù)面向的是確定性數(shù)據(jù),因而怎樣有效地處理不確定數(shù)據(jù)成了一個(gè)研究熱點(diǎn)。另外
2、,由于數(shù)據(jù)流具有實(shí)時(shí)到達(dá)的特點(diǎn),人們更加關(guān)注那些最近一段時(shí)間內(nèi)到達(dá)的數(shù)據(jù),如何將數(shù)據(jù)流從開始至今的所有數(shù)據(jù)區(qū)別開,實(shí)現(xiàn)數(shù)據(jù)流更好的聚類效果。
針對(duì)上述問題,本文的主要工作如下:
1.首先介紹了數(shù)據(jù)流的產(chǎn)生,對(duì)傳統(tǒng)數(shù)據(jù)挖掘帶來的挑戰(zhàn),之后介紹了進(jìn)行數(shù)據(jù)流挖掘的研究背景和意義、國內(nèi)外研究現(xiàn)狀,并概括了數(shù)據(jù)流挖掘的發(fā)展前景與應(yīng)用;并重點(diǎn)介紹了數(shù)據(jù)流挖掘的研究方向,以及數(shù)據(jù)流相似性度量方法。
2.現(xiàn)有數(shù)據(jù)流聚類算法
3、多數(shù)面向的是確定性數(shù)據(jù),對(duì)不確定數(shù)據(jù)流聚類的處理,效果不是很好。因?yàn)榻?jīng)典的不確定數(shù)據(jù)聚類算法具有概率密度函數(shù)獲取困難、實(shí)用性不強(qiáng)以及計(jì)算復(fù)雜等缺點(diǎn)。本文提出一種基于區(qū)間數(shù)的不確定數(shù)據(jù)流聚類算法UIDStream,算法用區(qū)間數(shù)來表示屬性不確定性數(shù)據(jù)和基于區(qū)間數(shù)的距離計(jì)算方法,定義了不確定性數(shù)據(jù)之間的相似度,提出基于區(qū)間數(shù)的2k-近鄰微簇和最優(yōu)2k-近鄰微簇的概念,通過最優(yōu)2k-近鄰微簇的融合,實(shí)現(xiàn)不確定數(shù)據(jù)流的聚類。實(shí)驗(yàn)結(jié)果表明:改進(jìn)后的
4、算法具有良好的聚類效果,提高了不確定數(shù)據(jù)流聚類的聚類質(zhì)量和速率。
3.由于數(shù)據(jù)流具有實(shí)時(shí)到達(dá)的特點(diǎn),傳統(tǒng)聚類算法并沒有考慮時(shí)間的權(quán)重,而在許多現(xiàn)實(shí)應(yīng)用領(lǐng)域中人們更加關(guān)注那些最近一段時(shí)間內(nèi)到達(dá)的數(shù)據(jù)。本文提出一種基于時(shí)間衰減的數(shù)據(jù)流聚類算法TF-Stream,考慮到隨時(shí)間的流逝較早到達(dá)的數(shù)據(jù)對(duì)數(shù)據(jù)流聚類的影響程度呈現(xiàn)衰減趨勢(shì),引入了時(shí)間衰減函數(shù)。離線聚類階段,在DBSCAN算法的基礎(chǔ)上給出了k近鄰密度和相對(duì)密度等概念,對(duì)數(shù)據(jù)流進(jìn)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于網(wǎng)格的數(shù)據(jù)流聚類算法研究.pdf
- 基于蜂群算法的數(shù)據(jù)流聚類研究.pdf
- 基于分形的數(shù)據(jù)流聚類算法研究
- 面向數(shù)據(jù)流的數(shù)據(jù)聚類算法研究.pdf
- 基于網(wǎng)格的MST數(shù)據(jù)流聚類算法研究.pdf
- 基于網(wǎng)格的并行聚類算法及數(shù)據(jù)流聚類算法研究.pdf
- 基于蟻群算法的數(shù)據(jù)流聚類算法.pdf
- 基于密度的數(shù)據(jù)流聚類挖掘算法.pdf
- 基于密度網(wǎng)格的數(shù)據(jù)流聚類算法研究.pdf
- 基于分形的數(shù)據(jù)流聚類算法研究.pdf
- 基于網(wǎng)格方法的數(shù)據(jù)流聚類算法研究.pdf
- 基于MSF模型的數(shù)據(jù)流聚類算法研究.pdf
- 基于數(shù)據(jù)流的聚類算法研究與實(shí)現(xiàn).pdf
- 數(shù)據(jù)流混合屬性聚類算法研究.pdf
- 基于網(wǎng)格與密度的數(shù)據(jù)流聚類算法研究.pdf
- 基于密度的數(shù)據(jù)流子空間聚類算法研究.pdf
- 面向主題的數(shù)據(jù)流聚類算法研究.pdf
- 面向數(shù)據(jù)流的優(yōu)化聚類算法研究.pdf
- 數(shù)據(jù)流聚類算法及其應(yīng)用.pdf
- 基于聚類的數(shù)據(jù)流異常檢測(cè)算法的研究.pdf
評(píng)論
0/150
提交評(píng)論