基于桶密度的數據流聚類算法研究與應用.pdf

1、計算機技術、傳感器網絡與通信技術的高速發(fā)展,使得短時間內產生和傳輸大量數據成為現實,這種大量、快速、無限的數據被稱為數據流(Data S trea m)。目前,數據流處理技術廣泛的應用在金融分析、傳感器網絡、復雜危險環(huán)境監(jiān)控、網絡監(jiān)控和入侵檢測等領域中。面對攜帶大量數據而又快速、連續(xù)到來的數據流,原本針對存儲在磁盤貨內存中的靜態(tài)數據的傳統(tǒng)數據庫查詢處理技術力不從心。因而,數據流處理技術對數據挖掘方法提出了更高的要求。作為數據挖掘的一個研

2、究方向,數據流聚類分析技術已經成為熱點研究課題。
　　傳統(tǒng)的面對靜態(tài)數據的聚類分析方法主要有基于劃分的方法、基于層次的方法、基于密度的方法、基于網格的方法、基于模型的方法?，F階段的數據流聚類方法很多都是在傳統(tǒng)聚類方法上進化來的,比較經典的聚類算法 Stream、CluStream、D-Stream算法的,都是在傳統(tǒng)聚類的方法所做的改進。
　　本文通過研究基于網格和基于密度的經典算法DBC AN、C liQ ue、基于數據流的

3、經典算法CluStream,提出了一種基于桶密度的數據流聚類算法BDCluStream算法。該算法擁有C luStrea m算法和基于網格和基于密度的算法的優(yōu)點。能夠識別任意形狀簇、在線層速度快、利用反饋原理解決部分桶邊緣點丟失、不需要用戶指定聚類個數等。
　　利用改進算法BDCluStream構建了入侵檢測系統(tǒng),對系統(tǒng)各模塊進行了詳細的描述并給出了偽代碼,最后使用Visual Studio2005設計并實現了基于對話框的入侵檢測