面向數(shù)據(jù)流模糊聚類算法的應(yīng)用研究.pdf

1、作為數(shù)據(jù)挖掘技術(shù)的研究前沿，數(shù)據(jù)流具有實(shí)時(shí)連續(xù)、高速到達(dá)以及動(dòng)態(tài)變化等特點(diǎn)，在如無線傳感器網(wǎng)絡(luò)、金融分析市場(chǎng)、網(wǎng)絡(luò)入侵檢測(cè)等眾多領(lǐng)域都扮演著十分重要的角色。聚類分析作為數(shù)據(jù)挖掘技術(shù)的主要組成部分之一，旨在發(fā)現(xiàn)數(shù)據(jù)中隱藏的簇類知識(shí)信息，為用戶做出正確的決策提供理論指導(dǎo)。概念漂移檢測(cè)作為數(shù)據(jù)流研究中不可避免的問題之一，主要是期望發(fā)現(xiàn)數(shù)據(jù)流模型何時(shí)以及因何原因發(fā)生變化，從而達(dá)到預(yù)測(cè)數(shù)據(jù)流趨勢(shì)的目的。當(dāng)前的聚類算法主要是在整個(gè)數(shù)據(jù)集上展開的，很

2、難直接應(yīng)用于數(shù)據(jù)流上，因此迫切需要設(shè)計(jì)出可以處理數(shù)據(jù)流的聚類及概念漂移檢測(cè)算法。
　　本文針對(duì)數(shù)據(jù)流聚類算法的研究主要分為以下三點(diǎn)：首先通過分析國內(nèi)外的相關(guān)文獻(xiàn)，對(duì)數(shù)據(jù)流的研究現(xiàn)狀和不足之處進(jìn)行了綜述；其次針對(duì)數(shù)據(jù)流上的聚類任務(wù)受到時(shí)間和空間限制的問題，本文提出了一種新的數(shù)據(jù)流模糊聚類算法Weight Decay Streaming Micro Clustering（WDSMC）。該算法使用改進(jìn)的帶權(quán)值的模糊C均值算法作為基準(zhǔn)聚類