一種基于PDStream的增量聚類算法研究.pdf

1、聚類分析是數(shù)據(jù)流挖掘中非?；钴S的研究領(lǐng)域，它根據(jù)最大化類內(nèi)相似性和最小化類間相似性的原則，把相似的對象聚在一起而把相異的對象分離。目前已經(jīng)提出許多聚類算法來發(fā)現(xiàn)不同領(lǐng)域中的聚類模式，但很多聚類算法在聚類請求到來時(shí)，都是重新開始對整個(gè)數(shù)據(jù)空間的進(jìn)行聚類，這就提高了算法的時(shí)間復(fù)雜度，不能很好的適應(yīng)實(shí)時(shí)數(shù)據(jù)流的高速流動(dòng)和實(shí)時(shí)響應(yīng)用戶要求的特點(diǎn)。在實(shí)時(shí)數(shù)據(jù)流中，數(shù)據(jù)流的高速流動(dòng)及其數(shù)據(jù)量巨大等特點(diǎn)，要求數(shù)據(jù)流挖掘算法具有比較快的處理速度和實(shí)時(shí)響

2、應(yīng)用戶的需求。
　　為了利用已有聚類結(jié)果加快聚類速度，提高聚類效率，本文在基于衰減窗口與維度樹的實(shí)時(shí)數(shù)據(jù)流聚類算法(PDStream)的基礎(chǔ)上，提出了一種基于網(wǎng)格和密度維度樹的增量式聚類算法（IGDStream）。該算法能夠利用前一次聚類的結(jié)果，結(jié)合當(dāng)前到達(dá)的數(shù)據(jù)流進(jìn)行聚類。這種增量聚類是利用密度維度樹存儲的聚類結(jié)果，通過網(wǎng)格的密度更新密度維度樹來實(shí)現(xiàn)的。該方法避免重新對整個(gè)數(shù)據(jù)流進(jìn)行處理，以提高挖掘算法的效率。
　　通過多