一種不確定數(shù)據(jù)流聚類算法UStreamUKm.pdf

1、隨著對流聚類研究的深入，許多研究者提出了對不確定數(shù)據(jù)流的聚類，這是由于生活中不確定數(shù)據(jù)存在著重要的應(yīng)用價(jià)值。不確定數(shù)據(jù)流既保留數(shù)據(jù)流無限，快速的特性，又存在不確定特性，這對聚類算法提出了更高的要求。
　　在分析不確定數(shù)據(jù)流聚類問題的基礎(chǔ)上，對經(jīng)典的不確定數(shù)據(jù)流聚類算法進(jìn)行比較。本文提出了一種不確定數(shù)據(jù)流聚類算法UStreamUKm(Uncertain Stream Uncertain K-means)，算法針對不確定數(shù)據(jù)流的特點(diǎn)，

2、構(gòu)造不確定數(shù)據(jù)流核集減小數(shù)據(jù)規(guī)模，減少了算法的執(zhí)行時(shí)間；同時(shí)，通過優(yōu)化初始聚類中心提升了算法的聚類質(zhì)量。主要工作如下：(1)采用桶策略處理不斷到達(dá)的不確定數(shù)據(jù)流，適應(yīng)了不確定數(shù)據(jù)流的應(yīng)用環(huán)境，對不確定數(shù)據(jù)流構(gòu)造核集，為后一階段聚類提供高信息量，小規(guī)模的采樣點(diǎn)。(2)采用最大最小類間距離即（Max-min Cluster Distance Algorithm）MCDA初始聚類中心選擇方法，提升了聚類質(zhì)量。(3)聚類算法中引入了異常點(diǎn)處理機(jī)