制造物聯(lián)網(wǎng)環(huán)境中海量數(shù)據(jù)流聚類算法研究.pdf

1、隨著制造業(yè)、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)發(fā)展迅速，在智能制造業(yè)領(lǐng)域的數(shù)據(jù)規(guī)模得到大幅的增長。制造物聯(lián)網(wǎng)中部署的傳感器節(jié)點(diǎn)的監(jiān)控?cái)?shù)據(jù)形成了持續(xù)不斷的數(shù)據(jù)流，大量未知且重要的信息隱藏在實(shí)時(shí)、不間斷、高維的數(shù)據(jù)流中。為了深入分析這些數(shù)據(jù)流所監(jiān)控的生產(chǎn)環(huán)境狀態(tài)等因素之間的聯(lián)系，對(duì)數(shù)據(jù)流進(jìn)行聚類分析是很有必要的。但傳統(tǒng)的聚類算法不再適用數(shù)據(jù)流的應(yīng)用需求，所以針對(duì)數(shù)據(jù)流的特點(diǎn)設(shè)計(jì)出高效聚類算法來發(fā)現(xiàn)有價(jià)值的知識(shí)是亟待解決的。
　　本文對(duì)制造業(yè)物聯(lián)網(wǎng)中

2、產(chǎn)生的數(shù)據(jù)規(guī)模以及數(shù)據(jù)流的特點(diǎn)作了分析，并針對(duì)已有的Clustream數(shù)據(jù)流聚類挖掘算法進(jìn)行研究，以Clustream算法為基礎(chǔ)，本文提出了適用于制造業(yè)物聯(lián)網(wǎng)環(huán)境下的實(shí)時(shí)數(shù)據(jù)流高效聚類算法,并對(duì)提出的數(shù)據(jù)流聚類算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證，表明該算法具有很高的效率。本文的所做的主要工作如下:
　?。?）針對(duì)制造物聯(lián)網(wǎng)數(shù)據(jù)流的復(fù)雜度高、維度高、存儲(chǔ)空間需求大等特點(diǎn)引起的聚類數(shù)目難以確定的問題，本文提出了一種基于 Clustream的自適應(yīng) K

3、值粒子群的數(shù)據(jù)流聚類算法，修改了微簇特征結(jié)構(gòu)，引入粒子群算法，在減少存儲(chǔ)需求的情況下可以很好的給出最優(yōu)聚類數(shù)目的判斷，從而減少壞簇的產(chǎn)生，提高聚類結(jié)果的質(zhì)量以及算法的性能。
　?。?）針對(duì)制造物聯(lián)網(wǎng)中產(chǎn)生的數(shù)據(jù)流具有實(shí)時(shí)、海量等特點(diǎn),傳統(tǒng)的數(shù)據(jù)流聚類算法挖掘效率低、準(zhǔn)確度有待提升等問題，本文將改進(jìn)的蜂群算法引入到自適應(yīng)K值的粒子群數(shù)據(jù)流聚類算法，提出了一種基于自適應(yīng)粒子群蜂群算法的數(shù)據(jù)流聚類算法。該算法收斂速度快，聚類準(zhǔn)確度高等優(yōu)