基于滑動窗口與網(wǎng)格密度的數(shù)據(jù)流聚類算法的研究.pdf

1、近年來，數(shù)據(jù)流聚類問題得到了學(xué)術(shù)界的廣泛關(guān)注，國內(nèi)外學(xué)者對此進(jìn)行了許多研究，但仍存在算法效率、存儲空間、聚類精度等方面的問題需要解決。本文通過對常見的數(shù)據(jù)流聚類算法進(jìn)行研究，分析各個算法的優(yōu)缺點(diǎn)，并在此基礎(chǔ)上提出了優(yōu)化的數(shù)據(jù)流聚類算法。
　　 許多數(shù)據(jù)流都是以高維的形式存在，如果對這樣的數(shù)據(jù)做全維聚類，算法效率不高。此外，數(shù)據(jù)流是時序的，而人們往往更加關(guān)注最近的數(shù)據(jù)。本文提出了一種基于滑動窗口的高維數(shù)據(jù)流聚類算法HSWStrea

2、m。首先，使用投影聚類技術(shù)對數(shù)據(jù)流進(jìn)行降維，提高了高維數(shù)據(jù)流的聚類效率。其次，引入滑動窗口模型減輕歷史數(shù)據(jù)對聚類結(jié)果的影響，利用聚類特征指數(shù)直方圖維護(hù)滑動窗口中簇的概要信息。最后，改進(jìn)了指數(shù)直方圖的維護(hù)方式，提高了算法性能。實驗結(jié)果證明，與HPStream算法相比，HSWStream算法聚類精度更高，占用內(nèi)存更少，具有良好的可伸縮性。
　　 許多基于網(wǎng)格的聚類算法，雖然可以處理任意形狀的簇，但仍存在缺陷。由于數(shù)據(jù)空間被網(wǎng)格化，使

3、得某些處于簇邊緣的網(wǎng)格，可能因為包含數(shù)據(jù)點(diǎn)過少而被視為孤立網(wǎng)格，如果將其刪除，會造成簇邊緣信息的丟失，從而降低了聚類精度。本文提出了一種基于網(wǎng)格密度和引力的數(shù)據(jù)流聚類算法F-Stream。算法采用CluStream雙層框架，將聚類過程分為在線和離線兩部分。在線層將新的數(shù)據(jù)點(diǎn)映射到相應(yīng)網(wǎng)格并更新網(wǎng)格特征向量，離線層將網(wǎng)格合并成簇。算法使用了基于網(wǎng)格引力的簇邊界處理技術(shù)，從而提高了聚類精度，使簇邊緣更加平滑。F-Stream算法在判定簇邊界