資源描述：
《基于網(wǎng)格和密度的數(shù)據(jù)流聚類方法研究》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(kù)。
1、大連理工大學(xué)博士學(xué)位論文基于網(wǎng)格和密度的數(shù)據(jù)流聚類方法研究姓名：?jiǎn)问烂裆暾?qǐng)學(xué)位級(jí)別：博士專業(yè)：管理科學(xué)與工程指導(dǎo)教師：鄧貴仕20060515基于網(wǎng)格和密度的數(shù)據(jù)流聚類方法研究值的搜索問題轉(zhuǎn)化為優(yōu)化問題，然后利用微粒群算法解決此優(yōu)化問題。針對(duì)數(shù)據(jù)流的動(dòng)態(tài)性特征，分析了已有的動(dòng)態(tài)環(huán)境下微粒群算法，發(fā)現(xiàn)已有方法的環(huán)境變化檢測(cè)能力仍然存在不足，具體表現(xiàn)為微粒種群容易停滯在動(dòng)態(tài)環(huán)境中靜止的局部極點(diǎn)，進(jìn)而失去對(duì)其他區(qū)域中全局極點(diǎn)的追蹤能力。針對(duì)此問題，使用“活性因數(shù)”概念及分布式處理模式，解決了微粒種群在動(dòng)
2、態(tài)環(huán)境中的停滯問題。進(jìn)一步的，提出了動(dòng)態(tài)環(huán)境下改進(jìn)的自適應(yīng)微粒群算法(IAPSO)。實(shí)驗(yàn)證明，該方法能夠適應(yīng)更多類型的復(fù)雜動(dòng)態(tài)環(huán)境，具有更為普遍的實(shí)際意義，為論文對(duì)數(shù)據(jù)流聚類方法的研究提供了技術(shù)支撐。4．以入侵檢測(cè)為代表的具體數(shù)據(jù)流環(huán)境為研究對(duì)象，對(duì)基于網(wǎng)格和密度的數(shù)據(jù)流動(dòng)態(tài)聚類方法進(jìn)行了研究，提出了數(shù)據(jù)流中孤立點(diǎn)識(shí)別方法。在此類數(shù)據(jù)流環(huán)境中，可以認(rèn)為只存在一個(gè)主要聚類，并且與其他數(shù)據(jù)相比，屬于主要聚類的數(shù)據(jù)具有相對(duì)更高的密集程度。這種環(huán)境的基本需求就是判斷新出現(xiàn)的數(shù)據(jù)對(duì)象是否屬于主要聚類。針對(duì)
3、這種情況，首先擴(kuò)展了“孤立點(diǎn)”的含義，將不屬于主要聚類的數(shù)據(jù)對(duì)象定義為相對(duì)于主要聚類而言的“孤立點(diǎn)”。然后，將本文的前三項(xiàng)工作成果進(jìn)行綜合，提出了一種面向數(shù)據(jù)流的動(dòng)態(tài)聚類方法一數(shù)據(jù)流中孤立點(diǎn)識(shí)別方法(ODODS)。設(shè)計(jì)并實(shí)現(xiàn)了數(shù)據(jù)流分析原型系統(tǒng)，并在此基礎(chǔ)上，以入侵檢測(cè)的標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)為基準(zhǔn)進(jìn)行實(shí)驗(yàn)，以滿足具體數(shù)據(jù)流環(huán)境的應(yīng)用需求為目標(biāo)，通過與以往基于聚類的入侵檢測(cè)方法進(jìn)行結(jié)果對(duì)比，說明了ODODS方法的有效性。關(guān)鍵詞：聚類分析；數(shù)據(jù)流；微粒群；動(dòng)態(tài)環(huán)境大連理下大學(xué)博士學(xué)位論文Researchon
4、ClusteringMethodforDataStreamAnalysisAbstract111eageofinformationtechnology,charactizedbyavastarrayofdata．hasenormouslyamplifiedtherequestofmakingsenseofdataandmadeitevenmorechallen西ng．Datacollectionanytimeandeverywherehasbecometherealityofourlives．I
5、nthissituation，thelimitationoftraditionaldataanalyzingmethodsbasedondatabasemakesithardtocopewiththehugevolumeofdata．Tosolvetheproblem，anewdatamodelreferredasDataStreamisintroduced．Atpresent，researchondatastreammininghasattractedmoreandmoreattention．
6、Moreoveranalyzingdatastreamusingclusteringisoneoftheimportantaspectsofdatastreammining．ItisasignifieativeandchallengingworktodeveloptheanalysismethodondatastreamusIngclustering．弧emainlypurposeofthisthesisistopresentaneffectivemethodforanalyzingdatast
7、reambasedonclustering．Toachievethegoal，theworkofthethesisiscarriedoutonthebasisofresearchingtheexistingtraditionalclusteringmethodandimpovingtheirperformance．Bystudyingtraditionalmethod，clusteringbasedon卯danddensitywasfoundtObemoresuitabletorealizeda
8、tastreamclustering．Therefore。thethesismakeiIsresearchongrid—densitybaseddatastreamclusteringonthebasisofimprovingonthetraditionalclusteringmethodbasedongridanddensity．Tosumup，themaincontributionofthethesisispresentedbelow：1．Tofindthemethodoloywhichc柚
