基于密度和網(wǎng)格的數(shù)據(jù)流聚類算法研究.pdf

1、近些年來(lái)，由于計(jì)算機(jī)及信息技術(shù)的高速發(fā)展，人們獲取數(shù)據(jù)的能力極大的提高，數(shù)據(jù)流作為一類重要的數(shù)據(jù)來(lái)源，越來(lái)越受到關(guān)注。
　　數(shù)據(jù)流是連續(xù)的、快速變化的、有序的、海量的數(shù)據(jù)，不同于傳統(tǒng)的存儲(chǔ)在磁盤上的靜態(tài)的數(shù)據(jù)，而是一類新型的數(shù)據(jù)對(duì)象。在數(shù)據(jù)挖掘領(lǐng)域中，數(shù)據(jù)流己經(jīng)成為一個(gè)研究熱點(diǎn)，數(shù)據(jù)流聚類分析成為聚類研究中的一個(gè)重要方向。
　　本文的研究目的就是設(shè)計(jì)并開發(fā)一種既準(zhǔn)確又快速高效的數(shù)據(jù)流聚類算法。為此本文做了以后工作：介紹了課題

2、研究的相關(guān)背景和意義；總結(jié)了目前比較成熟的幾類聚類算法的優(yōu)缺點(diǎn)和適用性；重點(diǎn)研究了數(shù)據(jù)流的特點(diǎn)和處理數(shù)據(jù)流聚類的關(guān)鍵型技術(shù)點(diǎn)；在此基礎(chǔ)上，通過(guò)修改概要數(shù)據(jù)結(jié)構(gòu)的方法、設(shè)計(jì)并實(shí)現(xiàn)了一種基于密度和網(wǎng)格的數(shù)據(jù)流聚類算法TD-Stream，該算法借鑒了經(jīng)典算法CluStream處理數(shù)據(jù)流的框架，即將系統(tǒng)分為在線層和離線層，以達(dá)到聚類準(zhǔn)確度和算法速度的平衡。在線層快速處理數(shù)據(jù)流，并將相關(guān)信息保存在概要數(shù)據(jù)結(jié)構(gòu)中，并通過(guò)引入“趨度”，對(duì)傳統(tǒng)的基于密

3、度網(wǎng)格的數(shù)據(jù)流聚類算法中計(jì)算網(wǎng)格密度的思想加以改進(jìn)，新數(shù)據(jù)讀取算法計(jì)算出新數(shù)據(jù)的趨度，并以此將數(shù)據(jù)記錄映射到正確的空間網(wǎng)格中，這樣就能夠解決傳統(tǒng)算法基于絕對(duì)網(wǎng)格導(dǎo)致的同一網(wǎng)格內(nèi)數(shù)據(jù)點(diǎn)屬于不同類以及部分網(wǎng)格邊緣信息丟失的問題；離線層在概要數(shù)據(jù)上進(jìn)行計(jì)算提供精確聚類，使用基于密度的聚類算法，能發(fā)現(xiàn)任意形狀的數(shù)據(jù)集，同時(shí)通過(guò)引入網(wǎng)格幀和演化差等概念，系統(tǒng)能滿足用戶對(duì)歷史信息聚類和演化分析的需求。因此，算法既有基于網(wǎng)格的高效性，又能更加精確的挖