基于可拓關(guān)聯(lián)函數(shù)的數(shù)據(jù)流聚類算法研究.pdf

1、隨著傳感器技術(shù)的日益普及和信息社會的快速發(fā)展,許多新興應(yīng)用領(lǐng)域中出現(xiàn)了實時連續(xù)、海量無限和快速變化的數(shù)據(jù),這些數(shù)據(jù)以不同的更新速率連續(xù)地流進(jìn)和流出計算機系統(tǒng),學(xué)術(shù)界將它們定義為數(shù)據(jù)流。面對這種新型的數(shù)據(jù)形式,仍然運用傳統(tǒng)的數(shù)據(jù)挖掘方法對其進(jìn)行分析和研究顯然是不恰當(dāng)?shù)摹Ｒ虼?迫切需要開發(fā)出新的技術(shù)和新的方法以解決目前的窘境。聚類是數(shù)據(jù)挖掘領(lǐng)域中一項非常重要的技術(shù),對數(shù)據(jù)流進(jìn)行聚類分析有相當(dāng)大的現(xiàn)實意義。迄今為止,已有許多優(yōu)秀的數(shù)據(jù)流聚類算

2、法被相繼提出,它們在一定程度上解決了數(shù)據(jù)流聚類分析的難題。
　　本文的研究內(nèi)容集中于如何設(shè)計出一種高效率、高質(zhì)量的數(shù)據(jù)流聚類算法。文章總結(jié)了相關(guān)的聚類理論和技術(shù)并且對現(xiàn)有的數(shù)據(jù)流聚類算法進(jìn)行了分析和比較,在此基礎(chǔ)上,針對數(shù)據(jù)流本身所具有的特點提出了一種高效、準(zhǔn)確的數(shù)據(jù)流聚類算法EXCluStream。該算法借鑒了CluStream算法經(jīng)典的在線—離線兩階段框架,并且根據(jù)可拓學(xué)的物元和經(jīng)典域概念修改了微簇聚類特征結(jié)構(gòu)。EXCluSt

3、ream算法的聚類過程是:在線階段使用本文所提出的基于可拓關(guān)聯(lián)函數(shù)的聚類算法CABDF進(jìn)行微簇的初始化,然后,當(dāng)新數(shù)據(jù)點到來時,根據(jù)其關(guān)聯(lián)度取值的情況將該數(shù)據(jù)點劃分至關(guān)聯(lián)度最大的簇中,以上過程進(jìn)行的同時需要計算機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。離線階段將從硬盤中取出用戶指定時間范圍內(nèi)的所有微簇,選取含有一定數(shù)目的微簇作為虛擬點,再次調(diào)用CABDF算法進(jìn)行聚類。倘若用戶需要對數(shù)據(jù)流的演變進(jìn)