基于密度和網(wǎng)格的數(shù)據(jù)流聚類算法研究.pdf

1、近些年來，由于計算機及信息技術的高速發(fā)展，人們獲取數(shù)據(jù)的能力極大的提高，數(shù)據(jù)流作為一類重要的數(shù)據(jù)來源，越來越受到關注。
　　數(shù)據(jù)流是連續(xù)的、快速變化的、有序的、海量的數(shù)據(jù)，不同于傳統(tǒng)的存儲在磁盤上的靜態(tài)的數(shù)據(jù)，而是一類新型的數(shù)據(jù)對象。在數(shù)據(jù)挖掘領域中，數(shù)據(jù)流己經(jīng)成為一個研究熱點，數(shù)據(jù)流聚類分析成為聚類研究中的一個重要方向。
　　本文的研究目的就是設計并開發(fā)一種既準確又快速高效的數(shù)據(jù)流聚類算法。為此本文做了以后工作：介紹了課題

2、研究的相關背景和意義；總結了目前比較成熟的幾類聚類算法的優(yōu)缺點和適用性；重點研究了數(shù)據(jù)流的特點和處理數(shù)據(jù)流聚類的關鍵型技術點；在此基礎上，通過修改概要數(shù)據(jù)結構的方法、設計并實現(xiàn)了一種基于密度和網(wǎng)格的數(shù)據(jù)流聚類算法TD-Stream，該算法借鑒了經(jīng)典算法CluStream處理數(shù)據(jù)流的框架，即將系統(tǒng)分為在線層和離線層，以達到聚類準確度和算法速度的平衡。在線層快速處理數(shù)據(jù)流，并將相關信息保存在概要數(shù)據(jù)結構中，并通過引入“趨度”，對傳統(tǒng)的基于密

3、度網(wǎng)格的數(shù)據(jù)流聚類算法中計算網(wǎng)格密度的思想加以改進，新數(shù)據(jù)讀取算法計算出新數(shù)據(jù)的趨度，并以此將數(shù)據(jù)記錄映射到正確的空間網(wǎng)格中，這樣就能夠解決傳統(tǒng)算法基于絕對網(wǎng)格導致的同一網(wǎng)格內數(shù)據(jù)點屬于不同類以及部分網(wǎng)格邊緣信息丟失的問題；離線層在概要數(shù)據(jù)上進行計算提供精確聚類，使用基于密度的聚類算法，能發(fā)現(xiàn)任意形狀的數(shù)據(jù)集，同時通過引入網(wǎng)格幀和演化差等概念，系統(tǒng)能滿足用戶對歷史信息聚類和演化分析的需求。因此，算法既有基于網(wǎng)格的高效性，又能更加精確的挖