基于密度的不確定數據流聚類算法的研究與實現.pdf

1、近年來，隨著網絡和作用于網絡設備的迅速發(fā)展及應用，使大量不確定數據流進入人們的商業(yè)應用和學術研究中。例如無線傳感器網絡WSN(Wireless Sensor Networks)、射頻識別RFID(Radio Frequency Identification)等技術的快速發(fā)展使大量不確定流數據應運而生。針對不確定數據流環(huán)境的聚類分析有著十分重要的應用前景，已經成為當前的研究熱點。然而已有的面向靜態(tài)數據或確定數據流的聚類分析算法已不能滿足當

2、前需求。因此開展不確定數據流聚類算法的研究勢在必行。
　　在不確定數據流中，數據的不確定性給聚類算法在利用數據信息問題上提出了極大的挑戰(zhàn)，首先，簡單的計算期望距離將無法得到高質量的聚類結果;其次，現有的數據流聚類算法大多使用標界窗口或類似標界窗口，往往只簡單刪除最久未更新的簇，因此無法高效處理演化數據流以及分析近期數據的聚類細節(jié);最后，基于劃分的流數據聚類算法大多只能形成球形簇，無法針對不同數據分布情況形成任意形狀的簇。
　

3、　基于此，本文對不確定數據流環(huán)境下基于密度的聚類算法展開研究。首先，本文提出不確定度的概念以衡量不確定數據的分布信息，并通過改進面向確定數據的聚類算法DENCLUE，使其可以處理附帶不確定度的不確定數據，以盡量降低數據的不確定性對聚類結果產生的影響。其次，提出在滑動窗口下的基于密度的不確定數據流聚類算法USDENCLUE，并通過聚類特征指數直方圖技術實現其快速的刪減功能，使其在分析特定時間窗口的聚類細節(jié)的同時可以高效的處理噪音數據、演化