高維數(shù)據(jù)流快速降維聚類(lèi)算法研究.pdf

1、數(shù)據(jù)的爆炸式增長(zhǎng)，使得從數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的信息并將其轉(zhuǎn)化為有組織的知識(shí)變得更加困難，于是數(shù)據(jù)挖掘應(yīng)運(yùn)而生。而作為數(shù)據(jù)挖掘的重要研究方法之一，聚類(lèi)分析在許多領(lǐng)域被廣泛使用。而隨著信息技術(shù)的不斷發(fā)展，數(shù)據(jù)流成為了一種新的數(shù)據(jù)類(lèi)型，并逐漸成為主流。于是對(duì)數(shù)據(jù)流的聚類(lèi)算法的研究變得熱門(mén)而富有意義。高維數(shù)據(jù)流聚類(lèi)算法包括降維和聚類(lèi)兩個(gè)部分，本文分別針對(duì)已有的降維算法和聚類(lèi)算法中存在的不足，提出了自己的改進(jìn)算法，并用實(shí)驗(yàn)證明了改進(jìn)算法的優(yōu)勢(shì)。

2、>　　本文在別人的基礎(chǔ)上，針對(duì)高維數(shù)據(jù)流子空間降維算法無(wú)法根據(jù)數(shù)據(jù)流的動(dòng)態(tài)變化自動(dòng)調(diào)整降維結(jié)果和需要多次掃描數(shù)據(jù)流的問(wèn)題，提出了基于結(jié)構(gòu)樹(shù)的高維數(shù)據(jù)流子空間自適應(yīng)降維算法。該算法通過(guò)改進(jìn)相對(duì)熵尋找區(qū)域的相關(guān)維，繼而建立起對(duì)應(yīng)的子空間，并在子空間中實(shí)現(xiàn)聚類(lèi)，確保了不同的區(qū)域?qū)?yīng)不同的子空間。利用相對(duì)熵尋找區(qū)域相關(guān)維相對(duì)于孫玉芬的GSCDS算法更簡(jiǎn)單更自然。同時(shí)使用結(jié)構(gòu)樹(shù)保存劃分過(guò)程相關(guān)信息，并結(jié)合回溯算法的思想，實(shí)現(xiàn)了對(duì)高維數(shù)據(jù)流子空間聚

3、類(lèi)算法的自適應(yīng)功能，避免了算法每次面對(duì)新數(shù)據(jù)都需要重新運(yùn)行子空間算法的尷尬，衰減因子的使用也避免了舊數(shù)據(jù)對(duì)聚類(lèi)結(jié)果的過(guò)度影響。實(shí)驗(yàn)結(jié)果表明算法以較小的時(shí)間復(fù)雜度取得了較高的聚類(lèi)質(zhì)量。
　　將基于網(wǎng)格的聚類(lèi)算法應(yīng)用在降維結(jié)果的聚類(lèi)處理中保留了網(wǎng)格算法高效，自適應(yīng)能力強(qiáng)的優(yōu)點(diǎn)，但網(wǎng)格的劃分導(dǎo)致類(lèi)邊緣精度低下的問(wèn)題，影響了聚類(lèi)質(zhì)量，于是本文針對(duì)基于網(wǎng)格的數(shù)據(jù)流聚類(lèi)算法存在的簇邊緣精度低下以及需要多次掃描網(wǎng)格才能實(shí)現(xiàn)聚類(lèi)的問(wèn)題，提出了一種