面向數(shù)據(jù)流模糊聚類算法的應用研究.pdf

1、作為數(shù)據(jù)挖掘技術的研究前沿，數(shù)據(jù)流具有實時連續(xù)、高速到達以及動態(tài)變化等特點，在如無線傳感器網(wǎng)絡、金融分析市場、網(wǎng)絡入侵檢測等眾多領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)中隱藏的簇類知識信息，為用戶做出正確的決策提供理論指導。概念漂移檢測作為數(shù)據(jù)流研究中不可避免的問題之一，主要是期望發(fā)現(xiàn)數(shù)據(jù)流模型何時以及因何原因發(fā)生變化，從而達到預測數(shù)據(jù)流趨勢的目的。當前的聚類算法主要是在整個數(shù)據(jù)集上展開的，很

2、難直接應用于數(shù)據(jù)流上，因此迫切需要設計出可以處理數(shù)據(jù)流的聚類及概念漂移檢測算法。
　　本文針對數(shù)據(jù)流聚類算法的研究主要分為以下三點：首先通過分析國內(nèi)外的相關文獻，對數(shù)據(jù)流的研究現(xiàn)狀和不足之處進行了綜述；其次針對數(shù)據(jù)流上的聚類任務受到時間和空間限制的問題，本文提出了一種新的數(shù)據(jù)流模糊聚類算法Weight Decay Streaming Micro Clustering（WDSMC）。該算法使用改進的帶權值的模糊C均值算法作為基準聚類