流數(shù)據(jù)的層次聚類和頻繁模式的挖掘算法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩55頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、流數(shù)據(jù)的聚類或頻繁模式挖掘要求僅掃描數(shù)據(jù)集一次,就得到聚類或者頻繁模式挖掘的結(jié)果。本文主要研究如何提高流數(shù)據(jù)的聚類和頻繁模式挖掘算法的精度,在文中我們提出了兩個(gè)新的算法:基于密度的高精度流聚類算法Density-based HighPrecision Streaming-data Clustering(DHPSC)和FP-tree單遍掃描算法Single-Pass ScanFP(SPSFP)。在本文提出的DHPSC算法中,我們使用基于密

2、度的凝聚層次聚類法。該方法使用凝聚層次聚類法作為算法框架,在這種框架下,核心問(wèn)題就是如何合并兩個(gè)簇。目前,許多的流數(shù)據(jù)聚類算法僅僅使用簇的中心點(diǎn)去代表整個(gè)簇,這種做法會(huì)導(dǎo)致不好的結(jié)果。通過(guò)細(xì)致的分析我們發(fā)現(xiàn),在數(shù)據(jù)的單遍掃描過(guò)程中,簇內(nèi)距離、簇間距離和方差都是可以精確計(jì)算的,從而保證聚類結(jié)果的精度。這樣,我們可以使用新的基于密度的公式,做為簇間是否合并的標(biāo)準(zhǔn)。實(shí)驗(yàn)結(jié)果表明,新算法會(huì)節(jié)省時(shí)間和空間方面的開(kāi)銷,并取得較好結(jié)果。流數(shù)據(jù)的頻繁模

3、式挖掘方面,F(xiàn)P-growth算法是頻繁模式挖掘中用于靜態(tài)數(shù)據(jù)集的經(jīng)典算法。但是FP-tree的創(chuàng)建需要掃描數(shù)據(jù)庫(kù)兩遍,在處理流數(shù)據(jù)方面收到了很大的限制,使用滑動(dòng)窗口雖然能在一定程度上解決這一問(wèn)題,但是依然會(huì)造成FP-tree生成時(shí)的不準(zhǔn)確,影響到后續(xù)的挖掘。本文提出的SFSFP算法,單遍掃描數(shù)據(jù)集即可準(zhǔn)確創(chuàng)建出FP-tree。與傳統(tǒng)的FP-tree創(chuàng)建算法相比,本文算法僅掃描數(shù)據(jù)庫(kù)一遍,并且不需要將整個(gè)數(shù)據(jù)集調(diào)入內(nèi)存。該方法不僅節(jié)省了

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論