基于元組聚類特征的不確定性數據流聚類算法研究.pdf

1、對國內外數據流聚類的研究情況分析可知，已有的數據流聚類算法存在如下問題：不能聚類具有不確定性的混合屬性數據流；在聚類過程中不能對不確定性數據流中近期的數據進行詳細的分析；在聚類過程中不能得到任意形狀的聚類。針對這些問題，本課題將研究重點放在基于元組聚類特征的不確定性數據流聚類算法的研究上，解決這些問題對研究基于位置服務的應用、電子商務等領域具有重要的意義。
　　首先，為了能對具有不確定性的混合屬性數據流進行聚類，提出了一種具有不確

2、定性的混合屬性數據流聚類算法HU-Clustering。該算法使用概率頻度直方圖來統計標稱屬性部分的信息，定義了混合屬性不確定性聚類特征以便能描述混合屬性不確定性數據流的分布特征。并采用基于兩輪選擇的聚類過程來提高聚類質量。
　　其次，為了能對近期的數據進行分析，提出了一種基于滑動窗口的不確定性數據流聚類算法SWCUStreams。該算法采用兩階段的聚類框架。在在線部分，定義了不確定性時間聚類特征來描述元組的不確定性信息，提出不確