数据流聚类分析与思考.docVIP

数据流聚类分析与思考 　　【摘要】数据流聚类是目前国际数据库和数据管理领域的新型研究热点，综述了数据流聚类的研究进展，在介绍数据流聚类的相关理论和常用技术的基础上，探讨了目前基于聚类的数据流演化国内外研究的状况，最后展望了将来可能的研究方向。 　　【关键词】数据流 聚类 交互式数据 　　【中图分类号】G64 【文献标识码】A 【文章编号】2095-3089（2014）04-0236-01 　　一、数据流及其聚类 　　在线交互式数据分析与处理的难点在于从多源异构，复杂内联和动态演化的角度构建新的数据处理策略与方法。基于在线数据获得的知识通常具有不确定性、不完整性、不协调性和不恒常性等特点，对在线数据进行提炼、排疑、融合、重组等处理，结合数据的动态变化规律定性和定量地分析隐藏在数据中的知识演化规律，从而为提高数据的应用价值提供解决方案和技术支撑。 　　在线交互式数据处理应该具备在线短的时间内，有效地整合与调度资源、数据源之间彼此关联、快速演化形式、进而提出在用户体验方面与之前业务截然不同的表现，适应在线信息服务的灵活性和快速演化的要求。基本的动态数据模型有三种：1.动态模糊数据模型DFDM；2.动态模糊数据的扩展模型EMDFD；3.动态模糊关系数据模型DFRDM。 　　随着时间的变化，数据的统计性质往往会发生变化，即数据的分布是随时间而变化的，这也被称为“分布漂移”。造成这种分布变化