原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于距离与熵的混合属性数据流聚类算法
属性数据流聚类算法是大数据分析中应用广泛且重要的手段，应用于科学研究、商业分析、服务分析等多个方面。基于距离和熵的混合属性数据流聚类算法是一种新的属性数据流聚类算法，它结合距离和熵来处理属性数据，具有更好的聚类性能。
基于距离和熵的混合属性数据流聚类算法将属性空间划分为K个不同的类，K可以由用户自定义，也可以根据属性决定。首先，从输入数据流中检查特征空间中每个样本的属性，并根据属性值计算每个样本的熵和距离，然后按照熵（熵等于零的样本除外）和距离的权重相加计算总的混合属性值，并将其与K值进行比较，若小于K值，则该样本归入答案中。
同时，为了提高聚类性能，可以对一些具有高熵值和距离值的样本进行忽略。此外，在基于距离和熵的混合属性数据流聚类算法中，还可以利用聚类结果更新聚类中心，以对属性数据流进行进一步增强。
总体来看，基于距离和熵的混合属性数据流聚类算法比其他算法具有更高的聚类性能，既可以有效的处理属性数据，又能够将属性数据转换为具有一定规则的结构，从而实现高性能聚类。
文档评论（0）