資源描述：
《基于網(wǎng)格和密度的數(shù)據(jù)流聚類算法研究》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、武漢理工大學(xué)碩士學(xué)位論文基于網(wǎng)格和密度的數(shù)據(jù)流聚類算法研究姓名：李敏申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：計(jì)算機(jī)軟件與理論指導(dǎo)教師：胡燕20090401摘要近年來，由于計(jì)算機(jī)及應(yīng)用技術(shù)的高速發(fā)展，人們獲取數(shù)據(jù)的能力得到極大的提高，數(shù)據(jù)流作為一類重要的數(shù)據(jù)來源，受到越來越多的關(guān)注。數(shù)據(jù)流是連續(xù)的、有序的、快速變化的、海量的數(shù)據(jù)。數(shù)據(jù)流不同于傳統(tǒng)的存儲(chǔ)在磁盤上的靜態(tài)的數(shù)據(jù)，而是一類新的數(shù)據(jù)對(duì)象。當(dāng)前在數(shù)據(jù)挖掘領(lǐng)域中，數(shù)據(jù)流已經(jīng)成為一個(gè)研究熱點(diǎn)。數(shù)據(jù)流聚類分析成為聚類研究的一個(gè)重要方向。本文的工作重點(diǎn)就是設(shè)計(jì)并開發(fā)一個(gè)具有較快速度和
2、很高準(zhǔn)確性的數(shù)據(jù)流聚類算法。為此本文做了這些工作：介紹了課題的相關(guān)背景與意義；總結(jié)了目前比較成熟的各種聚類算法的優(yōu)缺點(diǎn)和適用范圍：重點(diǎn)研究了數(shù)據(jù)流的特點(diǎn)和處理數(shù)據(jù)流聚類的關(guān)鍵技術(shù)點(diǎn)；并在此基礎(chǔ)上；通過修改摘要數(shù)據(jù)結(jié)構(gòu)的方法、設(shè)計(jì)并實(shí)現(xiàn)了基于網(wǎng)格和密度的數(shù)據(jù)流聚類算法GDE．Stream(GridandDensitybasedEvolvingStream)，該算法具有以下特點(diǎn)：1．借鑒CluStream算法處理數(shù)據(jù)流的框架，將系統(tǒng)分為在線層和離線層。在線層快速處理數(shù)據(jù)流，并將相關(guān)信息保存在摘要數(shù)據(jù)結(jié)構(gòu)中；離線層在摘
3、要數(shù)據(jù)上進(jìn)行計(jì)算提供精確聚類，以達(dá)到聚類準(zhǔn)確度和算法速度的平衡。2．利用網(wǎng)格來保存數(shù)據(jù)流的特征信息，除記錄其統(tǒng)計(jì)信息外，還加入了記錄其空間信息的數(shù)據(jù)結(jié)構(gòu)，能減少數(shù)據(jù)流信息丟失。3．在在線層中，利用摘要數(shù)據(jù)結(jié)構(gòu)記錄的空間信息，數(shù)據(jù)流讀取算法比較新數(shù)據(jù)到相關(guān)網(wǎng)格的距離，并把新記錄映射到正確網(wǎng)格中，能解決部分網(wǎng)格邊緣信息丟失的問題，比較準(zhǔn)確地記錄數(shù)據(jù)流信息。4．在離線層中，采用基于密度的聚類算法，系統(tǒng)能發(fā)現(xiàn)任意形狀的數(shù)據(jù)集；通過引入網(wǎng)格幀和演化差等概念，系統(tǒng)能滿足用戶對(duì)歷史信息聚類和演化分析的需求?；谌嗽鞌?shù)據(jù)集和真實(shí)
4、數(shù)據(jù)集的實(shí)驗(yàn)表明，算法具有較好的適用性和準(zhǔn)確性，能對(duì)數(shù)據(jù)流進(jìn)行高效的聚類分析。關(guān)鍵詞：數(shù)據(jù)流、聚類、雙層處理模型、網(wǎng)格、密度AbstractInrecentyears，becauseoftherapiddevelopmentofcomputerandapplicationtechnology，people’Sabilityofobtainingdataimprovesgreatly．DataStreamisatypeofimportantdatasource，andissubjectedtomoreandmore
5、concem．Streamdataisakindofcontinuous，ordered，changingfastandhugeamountdata．Itisquiteanewobjectthatisdifferentfromtraditionalstaticdatastoredonthedisk．Currently，dataminingondatastreambecomesahotresearchfield．Clusteringdatastreamisoneofthehottestresearchpointso
6、nit．Onetargetonthisthesisistodesignanddevelopadatastreamclusteringalgorithm，whichisaccuracyandhigh-speed．Inordertoreachthis，wehavedonesomeworkasfollows．Backgroundandrelevantworkondatastreamminingisdiscussed．Popularclusteringalgorithmsaresummarized．Thecharacte
7、risticsofdatastreamandkeytechnicalpointsondatastreamclusteringareresearched．Onthebasisofthese，weproposeGDE-Stream(GridandDensitybasedEvolvingStream)algorithm，whichisaframeworkbasedon酣danddensity．Bymodifyingthesynopsisdatastructure，Thisalgorithmhasthefollowing
8、characteristics．1．BorrowingtheframeworkfromCluStreamalgorithm，GDE—Streamisdividedintoonlinelayerandofflinelayer．Onlinelayerreadsdatastreamrapidly，andstoresrelativeinformationbysynopsisdat
