版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著計算機軟硬件技術(shù)的飛速發(fā)展以及日益大眾化,各個領(lǐng)域的數(shù)據(jù)呈爆炸式增長,數(shù)據(jù)的廣泛使用和巨大數(shù)量使得我們的時代成為真正的數(shù)據(jù)時代。通常情況下,這些數(shù)據(jù)是以數(shù)據(jù)流的形式產(chǎn)生和積累的。相對于傳統(tǒng)的靜態(tài)數(shù)據(jù)集,數(shù)據(jù)流具有數(shù)據(jù)量大、隨時間不斷發(fā)生動態(tài)變化、連續(xù)快速等特點,這就要求流入系統(tǒng)的數(shù)據(jù)流必須得到實時處理。因此,傳統(tǒng)的數(shù)據(jù)挖掘算法無法直接應(yīng)用于數(shù)據(jù)流之上。數(shù)據(jù)流的特點向傳統(tǒng)的數(shù)據(jù)挖掘算法提出了嚴(yán)峻挑戰(zhàn),并對數(shù)據(jù)流挖掘算法提出了如下要求:
2、首先,算法需要對到達(dá)系統(tǒng)的數(shù)據(jù)進(jìn)行實時處理,因為數(shù)據(jù)流的到達(dá)速率非???,因此,算法的時間復(fù)雜度盡量要低;再者,由于數(shù)據(jù)流的數(shù)據(jù)規(guī)模通常較大,而計算機系統(tǒng)內(nèi)存空間有限,不可能存儲全部的數(shù)據(jù)信息,因此,算法的空間復(fù)雜度要低,使得能在一個僅保存部分?jǐn)?shù)據(jù)樣本的受限存儲空間中得到此問題的近似最優(yōu)解;此外,由于數(shù)據(jù)流的流動性,到達(dá)數(shù)據(jù)會隨時間不斷發(fā)生變化,算法必須能夠根據(jù)數(shù)據(jù)流的動態(tài)變化來自動調(diào)節(jié)自身參數(shù)設(shè)置,使自身能夠適應(yīng)數(shù)據(jù)流的變化。因此,如何
3、在數(shù)據(jù)流中提取出有用的信息成為當(dāng)前數(shù)據(jù)挖掘領(lǐng)域的研究熱點和難點。
本文首先對數(shù)據(jù)流挖掘的理論基礎(chǔ)以及一些相關(guān)的主流技術(shù)進(jìn)行了概述,然后從數(shù)據(jù)流分類、聚類以及頻繁模式挖掘三個角度分別介紹了一些現(xiàn)有的數(shù)據(jù)流挖掘算法,并在此基礎(chǔ)上分別實現(xiàn)了兩類不平衡分布數(shù)據(jù)流的分類算法和基于密度網(wǎng)格的數(shù)據(jù)流聚類算法。主要研究內(nèi)容包括:⑴對當(dāng)前基于數(shù)據(jù)流的分類算法進(jìn)行了分析。針對兩類數(shù)據(jù)流分布不平衡的問題和概念漂移現(xiàn)象,在結(jié)合當(dāng)前經(jīng)典的數(shù)據(jù)流分類算法
4、和集成分類器算法的優(yōu)點后,設(shè)計并實現(xiàn)了一種具有更好適應(yīng)性的SeRt算法。實驗結(jié)果表明,該算法能有效地解決兩類不平衡分布問題和數(shù)據(jù)流中存在的概念漂移現(xiàn)象。⑵在傳統(tǒng)聚類算法K-Means、數(shù)據(jù)流聚類核心技術(shù)----CluStream框架模型以及現(xiàn)有的數(shù)據(jù)流聚類算法PKS-Stream的基礎(chǔ)上,設(shè)計并實現(xiàn)了基于密度和網(wǎng)格的數(shù)據(jù)流聚類算法PKS-Stream-I。該算法是對PKS-Stream算法在密度檢測周期選擇,稀疏網(wǎng)格檢測和移除方面的改進(jìn)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 面向數(shù)據(jù)流的數(shù)據(jù)聚類算法研究.pdf
- 面向主題的數(shù)據(jù)流聚類算法研究.pdf
- 面向數(shù)據(jù)流的優(yōu)化聚類算法研究.pdf
- 基于密度的數(shù)據(jù)流聚類挖掘算法.pdf
- 數(shù)據(jù)流挖掘中聚類算法的研究與實現(xiàn).pdf
- 面向不確定進(jìn)化數(shù)據(jù)流聚類算法研究.pdf
- 面向數(shù)據(jù)流模糊聚類算法的應(yīng)用研究.pdf
- 數(shù)據(jù)流頻繁模式和分類挖掘算法研究.pdf
- 面向混合屬性的數(shù)據(jù)與數(shù)據(jù)流聚類算法研究.pdf
- 基于數(shù)據(jù)流的聚類算法研究.pdf
- 面向不確定數(shù)據(jù)流的聚類和模式挖掘技術(shù)研究.pdf
- 面向數(shù)據(jù)流挖掘算法的研究與改進(jìn).pdf
- 面向不確定數(shù)據(jù)流的聚類算法分析.pdf
- 面向數(shù)據(jù)流挖掘的集成分類模型研究.pdf
- 數(shù)據(jù)流混合屬性聚類算法研究.pdf
- 基于網(wǎng)格的數(shù)據(jù)流聚類算法研究.pdf
- 基于粒子群優(yōu)化的數(shù)據(jù)流挖掘的聚類算法分析.pdf
- 數(shù)據(jù)流聚類算法及其應(yīng)用.pdf
- 基于網(wǎng)格和密度的數(shù)據(jù)流聚類算法研究.pdf
- 基于密度和網(wǎng)格的數(shù)據(jù)流聚類算法研究.pdf
評論
0/150
提交評論