一种基于可变滑动窗口的数据流分段聚类算法.pdfVIP

第 14卷 第9期 2014年3月 科 学 技 术 与 工 程 Vol_14 No．9 Mar．2014 1671— 1815(2014)09—0211-05 ScienceTechnologyandEngineering ⑥ 2014 Sci．Tech．Engrg． 一 种基于可变滑动窗口的数据流 分段聚类算法 栗 磊 周云霞 ， 张国强 (东北石油大学 ；大庆普华科创信息工程有限公司 ，大庆 163318) 摘 要 数据流的应用越来越广泛，数据流挖掘成为数据挖掘的重点研究方向之一。在分析各种数据流聚类算法的基础上， 提 出了一种基于可变滑动窗口的数据流分段聚类算法。算法 以时间序列数据流模式表示技术为参考，以去除噪音和压缩数 据为 目的，实现了数据流的特征提取和概要存储。实验表明，算法具有低时空复杂度、自适应等特点。 关键词 数据流 数据流聚类 滑动窗口 中图法分类号 TP311．11； 文献标志码 A 近年来，随着各种信息技术的不断发展和融合， 理，建立新的模型，经过不断地循环处理，最终得到 数据采集手段多样且方便快捷，各种各样的数据监 一 个近似结果，图1是滑动窗口模型。 控系统每时每刻都在产生一系列的数据流 (data 滑动窗||运动方向 stream，DS)。当前，随着数据挖掘技术的不断发展， 作为数据挖掘一个分支：数据流挖掘已成为数据挖 掘领域的一个新的研究热点 J。 数据流的概念最初是由Henzinger等人在 1998 年提出的_3J，可描述为：若令 t表示任一时间戳 (timestamp)，s表示在t时刻到达的数据元素，则数 数据流运动方向 据流可以表示为无限集合：{．．·，S ，s，s…，…}。然 图1 滑动窗口模型 而，目前仍没有对数据流进行统一的定义。 数据流与其他数据相比有很多特性，其无限、即 1 数据流聚类算法分析 时等特性决定了要对其进行部分处理才能使得挖掘 算法得到近似结果。根据算法处理选择的时序范 数据流聚类算法一般是采用分而治之的算法思 围，可将数据流模型分为：快照模型、界标模型和滑 想，在有限的时空界限内对数据流进行聚类分析，成 动窗口模型等，而滑动窗口模型是应用最广泛的模 为现在数据流挖掘算法的主流算法，也得到越来越 型。根据实际应用环境的不同，还有一些改进 的模 多地应用和推广。数据流聚类算法经历了一个从 型，如可变滑动窗口模型、动态滑动窗口模型、衰减 STREAM算法到 CluStream算法、HPStream算法的 滑动窗口模型和最大频率时间窗口模型_4等，目的 发展历程，逐步解决了不能处理演化的数据流、聚类 都是将无限的数据流表示为有限的数据流形式便于 质量低、受数据流维度限制、概念转移等问题，使得 数据挖掘处理 。 数据流聚类算法得到了长足的进步。但是在实际应 滑动窗口(slidingwindow，SW)算法是处理数据 用中，上述算法也存在着致命的缺点：决策者往往只 流的一种基本算法，以窗口中的数据集为分析对象 ， 关心最近的一些信息，舍弃很早以前的一些信息，这 采用连续建模分析对数据流进行分割的算法，在已 时上述算法就无能为力了。因此，一些研究者提出 有模型的基础上，从数据流中不断接收新到达的数 了一系列基于滑动窗口的数据流聚类算法，如Clu— 据扩充窗口中的数据集，从而对新数据进行分析处 Win算法、A