基于网格的数据流聚类方法研究-计算机应用技术专业论文.docxVIP

Classified Classified Index： U．D．C： ▲，。^ A Dissertation for the Degree of D．Eng Research of Data Stream Clustering Methods Based on Grid Candidate：Yu Xiang Supervisor：Prof．Yin Guisheng Academic Degree Appl ied for：Doctor of Engineering j Spec ial ty：Computer Appl i ed Technology Date of Submission：Apri l，2010 Date of 0ral Examination：June，2010 University：Harbin Engineering University ，s‘肉. ， s ‘ 、 哈尔滨工程大学 哈尔滨工程大学 学位论文原创性声蹰 本人郑重声明：本论文的所有工作，是在导师的指导下，自 作者本人独立完成的。有关观点、方法、数据和文献IFI-I l用己在 文中指出，并与参考文献相对应。除文中己注明引用的内容外， 本论文不包含任何其他个人或集体己经公开发表的作品成果。对 本文的研究做出重要贡献的个人和集体，均己在文中以明确方式 标黾弓。本人完全惹识到本声明的法律结果由本人承担。 作者(签字)：一一寸荔防 日期： 钞产年舌月，3曰 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校 攻读学位期间论文工作的知识产权属亍哈尔滨工程大学。哈尔滨 工程大学有权保留并向国家有关部门或机构送交论文的复印件。 本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据 库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本 学位论文，可以公布论文的全部内容。同时本人保证毕业后结合 学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈 尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文泛在授予学位后即可 口在授予学位12个月后 口 解密后)自哈尔滨工程大学送交有关部门进行保存、 作者(签享)： 匀射 导师(签享) 邑期：矽少年多月哆吕 ≯扣年乡胃 飞 基于网格的数据流聚类方法研究摘 基于网格的数据流聚类方法研究 摘 要 近年来，数据采集技术以及数据挖掘技术不断发展，通常在短时间内就 ℃ 可以采集到大量的数据，并加以分析处理。随着信息技术以及Web技术的飞 速发展，数据不再是存储于可多次随机访问的介质中的静态数据，而是称之 0 为数据流的动态流式数据。不同于静态数据，数据流具有实时性、连续性、 顺序性等特性，因而传统的聚类分析技术无法直接应用于数据流，需要新的 聚类分析技术来处理数据流。本文针对数据流聚类技术从多个方面进行了深 入细致地研究。 首先，分析了基于网格的聚类算法的优缺点，进而对传统的静态网格划 分方法以及动态网格划分方法进行了研究，针对网格聚类算法中数据空间的 划分方法进行改进，拟对新的数据空间动态划分策略展开研究，使其可增量 地更新网格单元的结构以及统计信息。在此基础上，设计出基于动态网格划 分的聚类算法，使得新算法不仅具有传统网格聚类算法的高效性，且在一定 程度上提高聚类的质量。 其次，在新的数据空间动态划分策略的基础上，着重针对数据流的增量 聚类进行研究。对现有的数据流聚类算法和增量聚类算法的特性以及存在的 问题进行分析，针对数据流对聚类算法的实时性等方面的要求以及现有聚类 算法对非球形聚类效果不好的缺点，设计一种基于数据流的不规则网格增量 聚类算法。使得与其它算法相比，新算法具备传统网格聚类算法处理速度快 的优点，同时不断动态增量地调整网格整体结构。并充分利用网格聚类算法 的特点，通过判断网格是否相连，保证对于不同形状聚类的聚类效果。在网 格聚类时，无需预先指定聚类数目，且对孤立点有较好的鲁棒性。通常包含 孤立点的网格单元不会满足稠密度阈值的要求，可以通过剪枝策略进行去除 以减少算法复杂性。由于动态划分的网格单元反映了当前数据流的分布特点， 新算法应在一定程度上提高聚类的精度。 再次，在分析高维数据聚类方法和维度约简方法以及这两种方法在数据 哈尔滨T稃大学博十学位论文流环境中应用的基础上，针对高维空间数据稀疏性、数据属性重要度倾斜等 哈尔滨T稃大学博十学位论文 流环境中应用的基础上，针对高维空间数据稀疏性、数据属性重要度倾斜等 问题，对粗糙集理论进行研究，拟设计一种基于粗糙集属性约简的数据流增 量聚类算法。新算法应针对聚类的无监督特性通过改进后的无决策属性的属 性约简方法计算数据点各属性的重要度，并调整属性集。在属性集中增加具 有较高重要度属性的同时，淘汰属性集中