基于核密度估計(jì)理論的多數(shù)據(jù)流聚類研究.pdf

1、近年來，處理無限的連續(xù)數(shù)據(jù)流的應(yīng)用日益流行，比如網(wǎng)絡(luò)日志、傳感器網(wǎng)絡(luò)等。數(shù)據(jù)流聚類(datastreamclustering)逐漸成為數(shù)據(jù)挖掘領(lǐng)域的熱點(diǎn)研究問題之一，由于數(shù)據(jù)流的數(shù)據(jù)量無限、對(duì)算法的響應(yīng)要求很高，而且通常只能對(duì)數(shù)據(jù)訪問一次，而傳統(tǒng)的聚類算法對(duì)快速變化的數(shù)據(jù)流進(jìn)行在線分析的支持存在著很多限制，急需開發(fā)適應(yīng)數(shù)據(jù)流環(huán)境的聚類算法，計(jì)算機(jī)工作者們面臨著新的挑戰(zhàn)。 本文針對(duì)當(dāng)前比較經(jīng)典的多數(shù)據(jù)流聚類COD(Clusteri

2、ngonDemand)框架，首先，詳細(xì)分析了其不足之處：不能過濾獨(dú)異點(diǎn)、對(duì)數(shù)據(jù)流的壓縮保存過于簡(jiǎn)單和聚類時(shí)計(jì)算數(shù)據(jù)流之間的距離的時(shí)間復(fù)雜度過高等，然后從核密度估計(jì)理論和基于數(shù)據(jù)的空間劃分網(wǎng)格技術(shù)出發(fā)，提出了一種多數(shù)據(jù)流聚類的方法——CMO(ClusteringMulti-StreamsusingObservematrix)方法。理論和實(shí)驗(yàn)結(jié)果表明：CMO方法提供了一種不損傷數(shù)據(jù)流的時(shí)間、距離特性的刻畫方法；具有過濾獨(dú)異點(diǎn)的能力；聚類的時(shí)