面向實時數據流的聚類分析算法研究.pdf

1、隨著計算機互聯(lián)網技術的發(fā)展，實時數據流成為數據信息中一種重要的數據形式，且已被廣泛應用于網絡流量控制、數據監(jiān)測系統(tǒng)、互聯(lián)網金融等領域。如何快速有效的從高速、大量的實時數據流中提取信息則成為數據流挖掘領域中的一大挑戰(zhàn)，聚類分析是數據挖掘過程中一項重要技術，本文主要對實時數據流聚類分析算法進行研究。
　　傳統(tǒng)的聚類分析算法主要是對靜態(tài)的數據信息處理，由于實時數據流高速性、實時性、持續(xù)性等特點，無法對其沿用傳統(tǒng)的聚類分析算法。研究者們已

2、提出多種面向數據流的聚類分析算法，其中，基于密度網格的聚類分析算法最能體現高效實時性，但存在網格邊界處理粗糙導致精度不高、網格劃分結構單一和網格動態(tài)性調整不足等問題。本文在其不足上做出改進，提出一種基于密度和網格的實時數據流聚類分析算法--DSG-Stream。該算法基于兩階段處理框架：在線層動態(tài)形成初始微簇，離線層通過宏聚類得到最終的聚類結果。該算法采用了粗細不同粒度的網格劃分策略，通過網格在類簇中的位置將網格分為內部網格和邊界網格：