动态滑动窗口的数据流聚类方法-计算机工程与应用.PDFVIP

Computer Engineering and Applications 计算机工程与应用 2011 ，47 （7 ） 135 动态滑动窗口的数据流聚类方法 张忠平，王 浩，薛 伟，夏 炎 ZHANG Zhongping ，WANG Hao ，XUE Wei ，XIA Yan 燕山大学 信息科学与工程学院，河北 秦皇岛 066004 College of Information Science and Engineering ，Yanshan University ，Qinhuangdao ，Hebei 066004 ，China ZHANG Zhongping ，WANG Hao ，XUE Wei ，et al.Approach for data streams clustering over dynamic sliding windows. Computer Engineering and Applications ，2011 ，47 （7 ）：135-138. Abstract ：The clustering of data streams is an important problem for clustering analysis.In order to address the data streams with varying speed ，an efficient data streams clustering algorithm over dynamic sliding windows is proposed ，which based on the two-phased framework.In the online component ，the novel micro-cluster feature is introduced to store the impor- tant statistical information of data streams.Through computing the distances from data points to the center of each micro-clus- ter ，and adjusting the sizes of sliding windows ，the corresponding clustering features are maintained dynamically.In the offline component ，by employing the mean values of the micro-clusters in online component ，k-means algorithm is adopted to gener- ate the final clustering results.Experimental results show that this approach has higher clustering purity and better scalability. Key words ：data mining ；data streams ；clustering ；sliding windows 摘 要：数据流聚类是聚类分析中的重要问题。针对数据流的流速是变化的问题，在两阶段聚类框架基础上提出基于动态滑动 窗口的数据流聚类算法。在线阶段，引入微聚类特征来存储数据流的概要信息，利用存储的概要信息动态调整滑动窗口规模，并 计算数据点与微聚类中心的距离，以维护微聚类特征；离线阶段，对在线聚类阶段的聚类结果采用K-means 算法进行宏聚类，生 成最终聚类。实验结果表明，该算法具有较高的聚类质量和较好的伸缩性。 关键词：数据挖掘；数据流；聚类；滑动窗口 DOI ：10.3778/j.issn. 1002-8331.2011.07.039 文章编号：1002-8331（2011 ）07-0135-04 文献标识码：A 中图分类号：TP311 1 引言 Aggarwal 等总结了上述算法的缺陷后提出了一种新的数据流 随着计算机硬件技术、通信技术以及Web 技术的飞速发 聚类模型CluStream[4] 。这种模型的核心思想是通过离线和在 展，人们得到的信息量与日俱增。在各个领域出现了一种新