實時數據流的聚類和聚類邊界檢測.pdf

1、實時數據流挖掘是數據挖掘領域中極其重要的研究方向?，F代社會中隨著計算機技術的飛速發(fā)展以及計算機應用的普及,實時數據流應運而生,它們具有時序性、快速變化,概念漂移、數據量巨大、潛在無限等特點,實時數據流挖掘就是從這些海量數據中發(fā)現未知的、感興趣的知識。作為實時數據流挖掘技術的重要研究方向的聚類分析及其邊界界定技術,越來越受到人們的關注,它們已經成為實時數據流挖掘技術領域一個非?；钴S的研究課題。
　　 本研究采用衰減窗口技術和基于網

2、格的方法實現實時數據流的聚類及其邊界檢測算法GDBOUND,該算法通過計算每個網格的密度以及網格之間的相似程度,決定其是否歸屬于某個聚類模式,并對聚類后的結果掃描,從中發(fā)現其邊界,避免對整個數據空間重新進行處理,以提高系統(tǒng)的性能。該算法能實時響應用戶在任意時刻提出的聚類請求,并通過比較在不同時刻的聚類及其邊界檢測結果,來跟蹤實時數據流的動態(tài)演化分析。
　　 本算法在VC6.0平臺上實現編碼,并通過多個數據集來驗證本算法的可行性和