基于人工免疫系統(tǒng)的數(shù)據(jù)流聚類算法研究與應(yīng)用.pdf

1、近年來，隨著計算機的普及和應(yīng)用技術(shù)的發(fā)展，人們獲取數(shù)據(jù)的能力得到了極大提高。數(shù)據(jù)流作為數(shù)據(jù)挖掘的一種新的研究內(nèi)容，已經(jīng)出現(xiàn)在各種應(yīng)用領(lǐng)域。區(qū)別于傳統(tǒng)的存儲在磁盤上的靜態(tài)的數(shù)據(jù)，它具有連續(xù)、有序、快速變化、海量等特性。對此類數(shù)據(jù)的分析和挖掘日益成為學(xué)者們研究的熱點問題。目前典型的數(shù)據(jù)流聚類算法有Clu Stream算法、Hp Stream算法和AClu Stream算法等。然而傳統(tǒng)的數(shù)據(jù)流聚類算法在理論和實踐上都不夠成熟，容易導(dǎo)致運算效率

2、低、聚類能力弱、自適應(yīng)性不強，對問題的依賴性過高等問題出現(xiàn)。
　　本文研究了基于人工免疫系統(tǒng)的數(shù)據(jù)流聚類算法，利用人工免疫系統(tǒng)所具有的強大的學(xué)習(xí)、記憶、適應(yīng)動態(tài)環(huán)境變化及自組織特性，提出了適用于數(shù)據(jù)流聚類問題求解的改進(jìn)方法，并設(shè)計了基于人工免疫系統(tǒng)的數(shù)據(jù)流聚類算法（AI Stream）。通過對初始抗原數(shù)據(jù)集的預(yù)處理，有效地提高了后期聚類的效率和準(zhǔn)確性；在親和力計算過程中引入衰減因子，能更貼切地反映出過去數(shù)據(jù)與當(dāng)前新增的數(shù)據(jù)對整個數(shù)

3、據(jù)流的影響；通過改進(jìn)淘汰策略，使得網(wǎng)絡(luò)中傳輸?shù)臄?shù)據(jù)更符合真實數(shù)據(jù)流的內(nèi)在特性，也更富有價值。從而有效改善了聚類效果和質(zhì)量。將改進(jìn)后的算法應(yīng)用于中真實的十字路口交通流控制中，用以驗證該算法的有效性和可靠性。并進(jìn)一步對所得到的聚類結(jié)果加以分析研究，以期能夠為十字路口交通管控提供一定的科學(xué)依據(jù)。
　　同時，通過理論及仿真實驗對改進(jìn)后的算法進(jìn)行了驗證，并與傳統(tǒng)數(shù)據(jù)流聚類算法的運算結(jié)果進(jìn)行了對比。實驗結(jié)果顯示，新算法不僅具有更高的收斂速度和