面向不確定進化數(shù)據(jù)流聚類算法研究.pdf

1、不確定數(shù)據(jù)流聚類作為數(shù)據(jù)流挖掘的一個主要研究方向,其研究成果已應用于網(wǎng)絡監(jiān)測、金融服務等諸多領域。然而,由于不確定性描述的引入,使得傳統(tǒng)的數(shù)據(jù)流聚類算法不能對不確定數(shù)據(jù)流進行有效地聚類,這給不確定數(shù)據(jù)流的聚類帶來了新的困難和挑戰(zhàn)。
　　本文對不確定進化數(shù)據(jù)流聚類算法進行了研究,給出了一種在線微簇維護策略,基于投影聚類的思想,給出了高維空間中不確定數(shù)據(jù)流聚類算法。本文的主要工作概括如下:
　　1.概述了數(shù)據(jù)流挖掘的研究現(xiàn)狀,分

2、析了不確定性對傳統(tǒng)聚類結果的影響,介紹了數(shù)據(jù)流挖掘的窗口處理模型,歸納了數(shù)據(jù)流聚類的基礎算法。
　　2.分析了UMicro算法在線聚類過程中,基于界標窗口模型的微簇維護存在的缺陷,給出了一種基于滑動窗口模型的微簇維護策略,同時給出了低維空間中不確定數(shù)據(jù)流聚類算法—USCluster算法。仿真實驗明了USCluster算法比UMicro算法具有更高的聚類準確性和時間效率。
　　3.針對高維空間中不確定數(shù)據(jù)流的聚類問題,基于投影