基于子空間的高維數(shù)據流聚類算法研究.pdf

1、數(shù)據流聚類是數(shù)據流挖掘中重要的研究領域，目前國內外數(shù)據流聚類算法還存在諸多問題。例如，未很好解決高維數(shù)據內在的稀疏性，聚類效率低下，數(shù)據類型僅限于數(shù)值數(shù)據，不能滿足用戶的需求等等。針對這些問題，本文主要研究基于子空間的數(shù)據流聚類算法，其研究成果對顧客購物模式、網絡通信的錯誤分析、電子商務、商業(yè)智能以及市場決策等領域具有重要的意義。
　　首先，為了解決高維數(shù)據的稀疏性，以及在當前受限聚類環(huán)境中聚類效率和精度受數(shù)據流流量的高波動性影響

2、較大等問題，提出了一種高維數(shù)據流的自適應子空間聚類算法SAStream。該算法改進了HPStream中的微簇結構并定義候選簇，只在相應的子空間內計算新來數(shù)據點到候選簇質心的距離，減少聚類時被檢查微簇的數(shù)目，將形成的微簇存儲在金字塔時間框架中，使用時間衰減函數(shù)刪除過期的微簇；當數(shù)據流量大時，根據監(jiān)測的系統(tǒng)資源使用情況自動調整界限半徑和簇選擇因子，從而調節(jié)聚類的粒度。
　　其次，為了聚類高維分類數(shù)據流，提出了一種基于子空間的高維分類數(shù)

3、據流聚類算法 SUBCStream。該算法改進了簇的壓縮存儲結構，引進了符號表和頻率表存儲數(shù)據。定義了聚類目標函數(shù)，通過最小化目標函數(shù)的方法達到發(fā)現(xiàn)簇和對應子空間的目的。通過對簇結構進行加法運算，可以合并簇結構或者構建新的簇結構。為每個數(shù)據點和簇定義了衰減函數(shù)，刪除最久未更新的微簇，減小了內存開支。
　　最后，本文使用Java對上述算法進行實現(xiàn)，實驗數(shù)據集選擇了真實數(shù)據集和仿真數(shù)據集，對提出的SAStream算法和SUBCStre