基于網(wǎng)格的MST數(shù)據(jù)流聚類算法研究.pdf

1、聚類分析是數(shù)據(jù)挖掘領(lǐng)域中一個(gè)非常重要的研究方向。近年來，隨著信息技術(shù)的高速發(fā)展出現(xiàn)了一種應(yīng)用日益廣泛的動(dòng)態(tài)流數(shù)據(jù)—數(shù)據(jù)流。數(shù)據(jù)流不同于傳統(tǒng)的存儲(chǔ)在磁盤上的靜態(tài)數(shù)據(jù)，它是高速的、連續(xù)的、動(dòng)態(tài)的、快速變化的、海量的數(shù)據(jù)集合，由此對它的訪問只能是順序的、一次或有限次的。數(shù)據(jù)流的這些特性既給數(shù)據(jù)流的挖掘帶來了極大的困難，也給數(shù)據(jù)流的聚類算法提出了更高的要求。在當(dāng)前的數(shù)據(jù)挖掘領(lǐng)域中，數(shù)據(jù)流已經(jīng)成為一個(gè)研究熱點(diǎn)，同時(shí)數(shù)據(jù)流聚類分析也成為聚類研究的一

2、個(gè)重要方向。 本文首先介紹了數(shù)據(jù)流挖掘的相關(guān)理論與技術(shù)，結(jié)合流數(shù)據(jù)與傳統(tǒng)的靜態(tài)數(shù)據(jù)的不同分析了數(shù)據(jù)流的特點(diǎn)。同時(shí)對傳統(tǒng)聚類算法與數(shù)據(jù)流聚類算法進(jìn)行了研究和對比，分析了算法的優(yōu)勢與不足，闡述了數(shù)據(jù)流聚類算法的特點(diǎn)及其與傳統(tǒng)聚類算法的不同。然后介紹了用于聚類算法的網(wǎng)格劃分方法及其在聚類分析中的作用，并對基于網(wǎng)格的聚類算法進(jìn)行了研究與分析。在此基礎(chǔ)上給出了一種新的數(shù)據(jù)流聚類算法—GTSClu算法，該算法是基于網(wǎng)格的最小生成樹(MST)

3、數(shù)據(jù)流聚類算法，算法分為在線處理與離線聚類兩部分，并運(yùn)用了網(wǎng)格與最小生成樹技術(shù)。在線部分通過均勻網(wǎng)格劃分?jǐn)?shù)據(jù)空間以獲取數(shù)據(jù)流的信息，離線部分將網(wǎng)格空間拆分為不均勻的網(wǎng)格結(jié)構(gòu)，并利用最小生成樹技術(shù)對在線獲得的信息進(jìn)行聚類。GTSClu算法可以有效排除噪聲數(shù)據(jù)發(fā)現(xiàn)任意形狀的聚類，有效提高了聚類效率和質(zhì)量。 實(shí)驗(yàn)結(jié)果表明，GTSClu算法能夠發(fā)現(xiàn)任意形狀的聚類，對數(shù)據(jù)的輸入順序不敏感，而且網(wǎng)格拆分技術(shù)的采用使其能夠有效分離出噪聲數(shù)據(jù)具