基于蜂群算法的數(shù)據(jù)流聚類研究.pdf

1、隨著物聯(lián)網(wǎng)和云計(jì)算技術(shù)的快速發(fā)展,在一些應(yīng)用領(lǐng)域中出現(xiàn)了實(shí)時(shí)動(dòng)態(tài)變化、海量和無(wú)限達(dá)到的數(shù)據(jù),這些數(shù)據(jù)以不可預(yù)知的速度流進(jìn)和流出計(jì)算機(jī)系統(tǒng),被學(xué)術(shù)界將定義為數(shù)據(jù)流。對(duì)于這種新型的數(shù)據(jù)流數(shù)據(jù),依然采用傳統(tǒng)的數(shù)據(jù)挖掘方法對(duì)其進(jìn)行分析和處理已經(jīng)不能滿足要求。所以,這種新的數(shù)據(jù)形式的出現(xiàn)迫切需要開(kāi)發(fā)出新的數(shù)據(jù)挖掘的方法。聚類是數(shù)據(jù)挖掘領(lǐng)域非常重要技術(shù)之一,能發(fā)現(xiàn)數(shù)據(jù)中隱含的知識(shí)和價(jià)值,在數(shù)據(jù)流分析中有相當(dāng)大的作用。到目前為止,已經(jīng)提出了一些數(shù)據(jù)流

2、聚類算法,通過(guò)實(shí)驗(yàn)證明有著不錯(cuò)的工作效率。
　　本文的研究?jī)?nèi)容集中于設(shè)計(jì)出一種高效率、高質(zhì)量、有較強(qiáng)擴(kuò)展性的數(shù)據(jù)流聚類算法。文章總結(jié)了相關(guān)的數(shù)據(jù)挖掘理論和聚類技術(shù),并對(duì)現(xiàn)有的數(shù)據(jù)流聚類算法進(jìn)行介紹、分析和比較。在此基礎(chǔ)上,針對(duì)數(shù)據(jù)流特點(diǎn)提出了一種高效、可擴(kuò)展的數(shù)據(jù)流聚類算法 ABCCluStream。該算法借鑒了 CluStream算法經(jīng)典的在線—離線兩階段框架,根據(jù)蜂群算法的相關(guān)理論定義聚類過(guò)程中相關(guān)的參數(shù),微簇聚類特征結(jié)構(gòu)。A

3、BCCluStream算法的聚類過(guò)程是:在線階段使用基于K-means算法將其進(jìn)行聚類,進(jìn)行微簇的初始化,當(dāng)新數(shù)據(jù)點(diǎn)到來(lái)時(shí),根據(jù)其相似度值的情況將該數(shù)據(jù)點(diǎn)劃分至關(guān)聯(lián)度最大的簇中,為了突出數(shù)據(jù)流的演繹特點(diǎn),對(duì)簇定時(shí)進(jìn)行更新。以上過(guò)程進(jìn)行的同時(shí)需要計(jì)算機(jī)每隔一段固定的時(shí)間就將微簇聚類特征以快照的形式存儲(chǔ)于金字塔結(jié)構(gòu)中以便于后續(xù)的分析,同時(shí)對(duì)微簇進(jìn)行更新,以便發(fā)現(xiàn)非球狀數(shù)據(jù)。離線階段根據(jù)用戶指定時(shí)間范圍從硬盤取出所有微簇,選取含有一定數(shù)目的微