基于數(shù)據(jù)流的聚類算法研究.pdf

1、隨著信息化技術(shù)的發(fā)展和廣泛應(yīng)用，在很多新興的研究領(lǐng)域中產(chǎn)生了一種新的研究對象，這種具有與傳統(tǒng)數(shù)據(jù)不同特性的數(shù)據(jù)，它們具有海量性、時序性，同時是快速變化的和潛在無限的，我們把這種數(shù)據(jù)稱為數(shù)據(jù)流。因而，針對數(shù)據(jù)流的聚類算法研究是非?；馃岬?。
　　在現(xiàn)實(shí)環(huán)境中，因?yàn)闄C(jī)器精度誤差，人為因素造成的數(shù)據(jù)對最終的結(jié)果會產(chǎn)生一定的影響，形成不確定數(shù)據(jù)，但是現(xiàn)有數(shù)據(jù)流聚類算法多數(shù)面向的是確定性數(shù)據(jù)，因而怎樣有效地處理不確定數(shù)據(jù)成了一個研究熱點(diǎn)。另外

2、，由于數(shù)據(jù)流具有實(shí)時到達(dá)的特點(diǎn)，人們更加關(guān)注那些最近一段時間內(nèi)到達(dá)的數(shù)據(jù)，如何將數(shù)據(jù)流從開始至今的所有數(shù)據(jù)區(qū)別開，實(shí)現(xiàn)數(shù)據(jù)流更好的聚類效果。
　　針對上述問題，本文的主要工作如下:
　　1.首先介紹了數(shù)據(jù)流的產(chǎn)生，對傳統(tǒng)數(shù)據(jù)挖掘帶來的挑戰(zhàn)，之后介紹了進(jìn)行數(shù)據(jù)流挖掘的研究背景和意義、國內(nèi)外研究現(xiàn)狀，并概括了數(shù)據(jù)流挖掘的發(fā)展前景與應(yīng)用;并重點(diǎn)介紹了數(shù)據(jù)流挖掘的研究方向，以及數(shù)據(jù)流相似性度量方法。
　　2.現(xiàn)有數(shù)據(jù)流聚類算法

3、多數(shù)面向的是確定性數(shù)據(jù)，對不確定數(shù)據(jù)流聚類的處理，效果不是很好。因?yàn)榻?jīng)典的不確定數(shù)據(jù)聚類算法具有概率密度函數(shù)獲取困難、實(shí)用性不強(qiáng)以及計算復(fù)雜等缺點(diǎn)。本文提出一種基于區(qū)間數(shù)的不確定數(shù)據(jù)流聚類算法UIDStream，算法用區(qū)間數(shù)來表示屬性不確定性數(shù)據(jù)和基于區(qū)間數(shù)的距離計算方法，定義了不確定性數(shù)據(jù)之間的相似度，提出基于區(qū)間數(shù)的2k-近鄰微簇和最優(yōu)2k-近鄰微簇的概念，通過最優(yōu)2k-近鄰微簇的融合，實(shí)現(xiàn)不確定數(shù)據(jù)流的聚類。實(shí)驗(yàn)結(jié)果表明:改進(jìn)后的

4、算法具有良好的聚類效果，提高了不確定數(shù)據(jù)流聚類的聚類質(zhì)量和速率。
　　3.由于數(shù)據(jù)流具有實(shí)時到達(dá)的特點(diǎn)，傳統(tǒng)聚類算法并沒有考慮時間的權(quán)重，而在許多現(xiàn)實(shí)應(yīng)用領(lǐng)域中人們更加關(guān)注那些最近一段時間內(nèi)到達(dá)的數(shù)據(jù)。本文提出一種基于時間衰減的數(shù)據(jù)流聚類算法TF-Stream，考慮到隨時間的流逝較早到達(dá)的數(shù)據(jù)對數(shù)據(jù)流聚類的影響程度呈現(xiàn)衰減趨勢，引入了時間衰減函數(shù)。離線聚類階段，在DBSCAN算法的基礎(chǔ)上給出了k近鄰密度和相對密度等概念，對數(shù)據(jù)流進(jìn)