基于網(wǎng)格方法的數(shù)據(jù)流聚類算法研究.pdf

1、數(shù)據(jù)流聚類是從大量的、有噪聲的、模糊的、隨機的流數(shù)據(jù)中發(fā)現(xiàn)不相連的、具有相似屬性的簇,并使簇中數(shù)據(jù)的相似性盡可能高,不同簇中的數(shù)據(jù)的相似性盡可能低,它是數(shù)據(jù)挖掘領(lǐng)域的一個重要研究方向。在現(xiàn)有的數(shù)據(jù)流聚類算法中,基于網(wǎng)格方法的聚類算法具有較高的數(shù)據(jù)壓縮比和較低的時間復雜度的特點,這使其在數(shù)據(jù)流聚類中有著較好的表現(xiàn)。但與此同時,網(wǎng)格方法也有其不足,主要是容易丟失簇邊緣網(wǎng)格中的數(shù)據(jù)點,而這將導致網(wǎng)格聚類的正確率降低。另外,針對高維數(shù)據(jù)空間如何

2、進行有效的聚類也是一個值得關(guān)注的問題,在高維數(shù)據(jù)空間中,數(shù)據(jù)點之間的距離趨近于相等,這給以數(shù)據(jù)點之間的距離作為數(shù)據(jù)相似性評價標準的聚類算法帶來了挑戰(zhàn)。
　　為此,本文的主要研究內(nèi)容和成果如下。
　　首先,針對網(wǎng)格數(shù)據(jù)流聚類中簇邊緣網(wǎng)格數(shù)據(jù)點丟失的問題,提出了基于可變密度閾值的網(wǎng)格數(shù)據(jù)流聚類算法VDTS。在傳統(tǒng)的網(wǎng)格數(shù)據(jù)流聚類算法中,使用均勻劃分網(wǎng)格并采用固定的密度閾值,而在VDTS算法中,采用不均勻劃分的網(wǎng)格和可變的密度閾值

3、,從而使簇中心部分的網(wǎng)格容易合并,形成較大的網(wǎng)格,簇邊緣部分的網(wǎng)格不容易合并,保持較小的網(wǎng)格。VDTS算法既保留了網(wǎng)格數(shù)據(jù)流聚類算法的高數(shù)據(jù)壓縮比又解決了簇邊緣網(wǎng)格數(shù)據(jù)點丟失的問題。
　　其次,針對高維數(shù)據(jù)流聚類困難的問題,提出了高維數(shù)據(jù)流網(wǎng)格聚類算法HVDTS。在高維數(shù)據(jù)流的聚類中,通常的方法是對高維空間進行降維,其中一個關(guān)鍵的問題是如何降維,即如何選擇那些對聚類影響較大的維并刪除那些對聚類的結(jié)果影響較小的維。本文提出了一種維選