基于密度和網(wǎng)格的數(shù)據(jù)流聚類研究與實(shí)現(xiàn).pdf

1、隨著科學(xué)技術(shù)的飛速發(fā)展，人類獲取知識(shí)能力越來(lái)越強(qiáng)。近些年來(lái)隨著無(wú)線傳感器網(wǎng)絡(luò)、路由器等設(shè)備的出現(xiàn)，人們獲取數(shù)據(jù)的能力得到了極大的提高。出現(xiàn)了一種新的數(shù)據(jù)模型一數(shù)據(jù)流模型。
　　 該模型中待處理的數(shù)據(jù)不再被靜態(tài)、固定地存儲(chǔ)在可多次、隨機(jī)訪問(wèn)的介質(zhì)中，而是以一種動(dòng)態(tài)、流式的形式出現(xiàn)。訪問(wèn)數(shù)據(jù)的方法被限定為進(jìn)行順序的、一次或有限次的訪問(wèn)。目前關(guān)于數(shù)據(jù)流挖掘的研究主要有數(shù)據(jù)流聚類、分類、頻繁模式挖掘等等。本文通過(guò)研究傳統(tǒng)的基于密度和基于

2、網(wǎng)格的聚類方法，發(fā)現(xiàn)傳統(tǒng)的基于密度的聚類方法要求多次訪問(wèn)數(shù)據(jù)，并且不能動(dòng)態(tài)地生成聚類結(jié)果；而傳統(tǒng)的基于網(wǎng)格的聚類算法雖然能一次讀取數(shù)據(jù)，并且能很快的處理數(shù)據(jù)，但它降低了簇的質(zhì)量和精確性。傳統(tǒng)的基于網(wǎng)格和基于密度的聚類算法均不能滿足數(shù)據(jù)流聚類的要求。
　　 本文結(jié)合傳統(tǒng)聚類算法的一些方法提出了一種采用樹(shù)型概要結(jié)構(gòu)的密度網(wǎng)格樹(shù)數(shù)據(jù)流聚類算法DG-Tree(Density)，and Grid-Free Algorithm)。該算法利用

3、數(shù)據(jù)流聚類算法CluStream鋤中的處理框架，把聚類分為微聚類和宏聚類兩個(gè)過(guò)程。在微聚類過(guò)程中，通過(guò)把數(shù)據(jù)流按屬性值分配到一棵樹(shù)中，消除了空網(wǎng)格對(duì)聚類結(jié)果的影響，同時(shí)針對(duì)數(shù)據(jù)流聚類中，近期的數(shù)據(jù)往往比久遠(yuǎn)的數(shù)據(jù)更受關(guān)注的特點(diǎn)，引入了時(shí)間衰退模型；在宏聚類過(guò)程中，對(duì)微聚類中生成的樹(shù)中的葉子節(jié)點(diǎn)進(jìn)行密度聚類，通過(guò)設(shè)立噪音密度閥值函數(shù)和更新周期，不僅可以有效的發(fā)現(xiàn)噪音葉子節(jié)點(diǎn)，還減少了密度聚類中對(duì)葉子節(jié)點(diǎn)密度更新的計(jì)算量，減少了算法的時(shí)間消