面向混合屬性的數(shù)據(jù)與數(shù)據(jù)流聚類算法研究.pdf

1、數(shù)據(jù)挖掘是數(shù)據(jù)庫研究、開發(fā)和應(yīng)用中最活躍的分支之一。近年來出現(xiàn)了一種稱為數(shù)據(jù)流挖掘的新應(yīng)用，這種應(yīng)用中的數(shù)據(jù)是以流的形式產(chǎn)生的，如傳感器數(shù)據(jù)、網(wǎng)頁點(diǎn)擊流、實(shí)時(shí)監(jiān)控系統(tǒng)等。這些數(shù)據(jù)流的特點(diǎn)是按時(shí)間順序的、快速變化的、海量的和潛在無限的。由于數(shù)據(jù)流具有上述特點(diǎn)，需要開發(fā)單遍掃描的，聯(lián)機(jī)的，多層的，多維的數(shù)據(jù)流挖掘方法。 學(xué)術(shù)界已經(jīng)對(duì)數(shù)據(jù)流聚類問題進(jìn)行了不少的有價(jià)值的研究工作，但是還存在許多問題尚待解決。本文研究了基于密度的數(shù)據(jù)流聚類

2、問題，主要做了以下幾個(gè)方面的改進(jìn)： 1、改進(jìn)了密度聚類算法。DBSCAN算法是一種基于密度的聚類算法，針對(duì)該算法在處理混合屬性數(shù)據(jù)上的不足，采用面向維度的距離的思想，改進(jìn)了混合屬性數(shù)據(jù)的相似度度量方法，提出了一種新的適合混合屬性數(shù)據(jù)聚類的算法M—DBSCAN。仿真表明新算法有效解決了DBSCAN算法無法處理混合屬性數(shù)據(jù)的缺點(diǎn)。 2、設(shè)計(jì)了一種數(shù)據(jù)流情況下的混合屬性密度聚類算法。為了克服數(shù)據(jù)流聚類框架CluStream算法