資源描述：
《基于密度網(wǎng)格結(jié)構(gòu)的數(shù)據(jù)流在線聚類算法研究》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。
1、『I國內(nèi)圖書分類號(hào)：TPl8題】g2‘2工5單位代碼：10005學(xué)號(hào)：$200707057密級(jí)：公開北京工業(yè)大學(xué)碩士學(xué)位論文英文并列R曼SEAR￡旦QⅨ墅塾盥S蘭!Y__魚R亙墜』塑遇旦墜』叢哩蘭蘭迦題目￡L立S!ER亙盥堡△LgQR蘭!旦叢S專論文報(bào)告提交剛胡2Q!Q生堇且學(xué)位授予日期授予單位名稱和地址j匕寶工些厶堂j匕壺立塑田區(qū)堊丕國!QQ曼鰹緬!鯉12壘習(xí)獨(dú)創(chuàng)性聲明IYIIIIIltllllllll7111111811111171111117111111511111111411Y1787751本人聲明所呈交的論
2、文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得北京工業(yè)大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。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明并表示了謝意?！ず灻菏嬐冢?口細(xì)·c；-10關(guān)于論文使用授權(quán)的說明本人完全了解北京工業(yè)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留送交論文的復(fù)印件，允許論文被查閱和借閱；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以采用影印、縮印或其他復(fù)
3、制手段保存論文。(保密的論文在解密后應(yīng)遵守此規(guī)定)簽名：導(dǎo)師簽名：●摘要隨著計(jì)算機(jī)和互聯(lián)網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，各個(gè)應(yīng)用領(lǐng)域都在源源不斷地產(chǎn)生數(shù)據(jù)，而這些數(shù)據(jù)通常以流的形式出現(xiàn)，例如傳感器網(wǎng)絡(luò)產(chǎn)生的數(shù)據(jù)流、股票交易流、超市結(jié)算流、網(wǎng)絡(luò)通信流等。數(shù)據(jù)挖掘融合了統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫、機(jī)器學(xué)習(xí)等技術(shù)，幫助人們從海量數(shù)據(jù)中抽取出有用的知識(shí)，從而為決策提供重要依據(jù)。數(shù)據(jù)流具有高速流動(dòng)、快速變化和潛在無限等特點(diǎn)，因此要求數(shù)據(jù)流挖掘算法必須滿足單次線性掃描、壓縮存儲(chǔ)、低的時(shí)間復(fù)雜度等要求?，F(xiàn)有的數(shù)據(jù)流聚類算法，大多數(shù)停留在在線收集和離線分析
4、階段，典型的算法如CluStream。這類算法的缺點(diǎn)是實(shí)時(shí)性差，不能在線生成用戶需要的聚類，精確的聚類結(jié)果需要經(jīng)過離線分析才能獲得。針對(duì)這些問題，本文對(duì)數(shù)據(jù)流的在線聚類算法進(jìn)行了研究，主要研究內(nèi)容包括以下幾方面：(1)使用密度網(wǎng)格的存儲(chǔ)結(jié)構(gòu)，將數(shù)據(jù)流的概要信息以統(tǒng)計(jì)值的形式存儲(chǔ)在網(wǎng)格單元中。通過設(shè)置密度網(wǎng)格閾值Cm艤和Cm證，能有效地控制聚類質(zhì)量。密度網(wǎng)格結(jié)構(gòu)容易更新和維護(hù)，從而提高在線聚類效率，并節(jié)省存儲(chǔ)空間。(2)本文采用計(jì)數(shù)型滑動(dòng)窗口來保存當(dāng)前數(shù)據(jù)流。通過調(diào)整窗口滑動(dòng)一次的步數(shù)step，可以有效地節(jié)省系統(tǒng)資源。
5、(3)定義了網(wǎng)格鄰居和網(wǎng)格簇等概念，設(shè)計(jì)優(yōu)化的網(wǎng)格合并和更新規(guī)則，使算法能夠區(qū)分?jǐn)?shù)據(jù)密集區(qū)域和稀疏區(qū)域，并較快地找到數(shù)據(jù)分布中存在的簇，提高算法的實(shí)時(shí)性。(4)在論文研究過程中，通過大量的實(shí)驗(yàn)分析和對(duì)比，不斷調(diào)整和優(yōu)化算法，取得了較好的聚類質(zhì)量和在線聚類效率。實(shí)驗(yàn)結(jié)果表明本算法具有快速在線聚類能力，同時(shí)保證了良好的聚類質(zhì)量。關(guān)鍵詞數(shù)據(jù)挖掘；數(shù)據(jù)流；在線聚類北京-E．qk大學(xué)工學(xué)碩一卜學(xué)位論文UAbstractWiththedevelopmentofcomputerscienceandInternettechnolog
6、y,alargenumberofdataisgeneratedinvariousapplications，whichisusuallyintheformofstreams，suchasdatastreamsgeneratedbysensornetworks，stockflow,supermarketsettlementflow,Intemetcommunication，etc．Datamining，whichcombinestatistics，databaseandmachinelearning，callhelppe
7、opleextractusefulknowledgefromhugeamountsofdataandprovideimportantbasisfordecision-making．Datastreamhasthefollowingcharacteristics：highspeed，rapidlychanging，potentiallyunlimitedandSOon．Therefore，dataminingalgorithmsmustsatisfyrequirementssuchassinglelinearscan，
8、compressionandstorage，lowcomplexity,etc．MostexistingstreamclusteringalgorithmsuchasCluStream，remainintheonlinecollectionandofflineanalysisphase．Thedisadvantageoftwo—phasealg
