面向?qū)崟r數(shù)據(jù)流的聚類分析算法研究.pdf

1、隨著計算機互聯(lián)網(wǎng)技術(shù)的發(fā)展，實時數(shù)據(jù)流成為數(shù)據(jù)信息中一種重要的數(shù)據(jù)形式，且已被廣泛應(yīng)用于網(wǎng)絡(luò)流量控制、數(shù)據(jù)監(jiān)測系統(tǒng)、互聯(lián)網(wǎng)金融等領(lǐng)域。如何快速有效的從高速、大量的實時數(shù)據(jù)流中提取信息則成為數(shù)據(jù)流挖掘領(lǐng)域中的一大挑戰(zhàn)，聚類分析是數(shù)據(jù)挖掘過程中一項重要技術(shù)，本文主要對實時數(shù)據(jù)流聚類分析算法進(jìn)行研究。
　　傳統(tǒng)的聚類分析算法主要是對靜態(tài)的數(shù)據(jù)信息處理，由于實時數(shù)據(jù)流高速性、實時性、持續(xù)性等特點，無法對其沿用傳統(tǒng)的聚類分析算法。研究者們已

2、提出多種面向數(shù)據(jù)流的聚類分析算法，其中，基于密度網(wǎng)格的聚類分析算法最能體現(xiàn)高效實時性，但存在網(wǎng)格邊界處理粗糙導(dǎo)致精度不高、網(wǎng)格劃分結(jié)構(gòu)單一和網(wǎng)格動態(tài)性調(diào)整不足等問題。本文在其不足上做出改進(jìn)，提出一種基于密度和網(wǎng)格的實時數(shù)據(jù)流聚類分析算法--DSG-Stream。該算法基于兩階段處理框架：在線層動態(tài)形成初始微簇，離線層通過宏聚類得到最終的聚類結(jié)果。該算法采用了粗細(xì)不同粒度的網(wǎng)格劃分策略，通過網(wǎng)格在類簇中的位置將網(wǎng)格分為內(nèi)部網(wǎng)格和邊界網(wǎng)格：