面向數(shù)據(jù)流模糊聚類算法的應(yīng)用研究

《面向數(shù)據(jù)流模糊聚類算法的應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、．．＇ｏ＂’－Ｉ單位代碼：１０２９３密級(jí)：公開．；一…：扭＇碩女《健化戈，卻若Ｉ藝論文題目：面向數(shù)據(jù)流模糊聚類算法的應(yīng)用研究１０１３０４１２０６學(xué)號(hào)姓名陳小東導(dǎo)師孫力娟教授學(xué)科專業(yè)計(jì)算機(jī)應(yīng)用技乂硏究方向■數(shù)據(jù)挖掘工學(xué)碩±申請(qǐng)學(xué)位類別論文提交二零一六年王月日期．＇＇巧斬＼＾．，；：ｉｖ心，＇某ｈ；知Ａ一，＇‘＇：－南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研巧工作及取得的研巧成果。盡我所知，ｌｉ除了文中特別加Ｕ示注

2、和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過(guò)的研巧成果，也不包含為獲得南京郵電大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說(shuō)明并表示了謝意。一，切相關(guān)的法律責(zé)任本人學(xué)位論文及涉及相關(guān)資料若有不實(shí)愿意承擔(dān)。水日期．研巧生簽名：貨：ｔＵ電南京郵電大學(xué)學(xué)位論文使用授權(quán)聲明本人授權(quán)南京郵電大學(xué)可レッ保留并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子文搭；允許論文被查閱和借閱；可Ｗ將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索；可１＾＾采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)位論文

3、。本文電子文檔的內(nèi)容和紙質(zhì)一論文的內(nèi)容相致。論文的（包括登）授權(quán)南京郵電大學(xué)巧生院辦理。公布刊研適。論用涉密學(xué)位文在解密后本授權(quán)書研生簽；、如；：名故導(dǎo)簽名日期究師？ResearchonFuzzyClusteringAlgorithmforDataStreamThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByXiaodongChenSupervisor:Prof.LijuanSunMarch2016摘要作為數(shù)據(jù)挖掘技術(shù)

4、的研究前沿，數(shù)據(jù)流具有實(shí)時(shí)連續(xù)、高速到達(dá)以及動(dòng)態(tài)變化等特點(diǎn)，在如無(wú)線傳感器網(wǎng)絡(luò)、金融分析市場(chǎng)、網(wǎng)絡(luò)入侵檢測(cè)等眾多領(lǐng)域都扮演著十分重要的角色。聚類分析作為數(shù)據(jù)挖掘技術(shù)的主要組成部分之一，旨在發(fā)現(xiàn)數(shù)據(jù)中隱藏的簇類知識(shí)信息，為用戶做出正確的決策提供理論指導(dǎo)。概念漂移檢測(cè)作為數(shù)據(jù)流研究中不可避免的問(wèn)題之一，主要是期望發(fā)現(xiàn)數(shù)據(jù)流模型何時(shí)以及因何原因發(fā)生變化，從而達(dá)到預(yù)測(cè)數(shù)據(jù)流趨勢(shì)的目的。當(dāng)前的聚類算法主要是在整個(gè)數(shù)據(jù)集上展開的，很難直接應(yīng)用于數(shù)據(jù)流上，因此迫切需要設(shè)計(jì)出可以處理數(shù)據(jù)流的聚類及概念漂移檢測(cè)算法。本文針對(duì)數(shù)據(jù)流聚類算法的研究主要分為以下三點(diǎn)：首先通過(guò)分析國(guó)內(nèi)外的相關(guān)文獻(xiàn)，對(duì)數(shù)

5、據(jù)流的研究現(xiàn)狀和不足之處進(jìn)行了綜述；其次針對(duì)數(shù)據(jù)流上的聚類任務(wù)受到時(shí)間和空間限制的問(wèn)題，本文提出了一種新的數(shù)據(jù)流模糊聚類算法WeightDecayStreamingMicroClustering（WDSMC）。該算法使用改進(jìn)的帶權(quán)值的模糊C均值算法作為基準(zhǔn)聚類算法，并采用微簇結(jié)構(gòu)和權(quán)值衰減結(jié)構(gòu)提高聚類質(zhì)量。實(shí)驗(yàn)表明，相比于SWFCM算法和StreamKM++算法，WDSMC算法具有更好的聚類精度；最后本文對(duì)數(shù)據(jù)流中可能會(huì)出現(xiàn)的概念漂移現(xiàn)象，提出了在大小可變的滑動(dòng)窗口中通過(guò)度量相鄰窗口之間的聚類差異性來(lái)判斷是否發(fā)生了概念漂移并提供相應(yīng)的解決方案。實(shí)驗(yàn)表明算法能夠有效地檢測(cè)出數(shù)據(jù)流

6、中的概念漂移現(xiàn)象，具有很好的聚類效果和很高的時(shí)間效率。關(guān)鍵詞：數(shù)據(jù)流，模糊C均值聚類，權(quán)值衰減，概念漂移，可變滑動(dòng)窗口IAbstractAsaresearchfrontofdatamining,withthecharacteristicsofcontinuetimelyarrivedatahighspeedanddynamicchanged,datastreamhasplayedanimportantroleinmanyfiled,suchaswirelesssenornetwork,financialanalysismarket,networkintrusiondetecti

7、onandsoon.Asamainlypartofdatamining,clusteringanalysiscandiscoveryclustermodelsindata,andhelpuserstomarkaccuratedecisions.Asoneofdatastreamresearches,conceptdriftdetectionisusefultofigureoutwhenandwhydatadistributemodelchanged,andhelptopredictthetr