10.3969/j.issn.1000-3428.2011.13.013
基于形态特征的数据流聚类方法研究
在聚类过程中为保留数据的重要形态与趋势特征,提出一种基于形态特征的数据流聚类方法.在初始化阶段提取重要特征点表示序列分段,在在线更新阶段使用部分动态时间弯曲方法计算子序列距离,基于动态滑动窗口思想保证多条数据流中数据的同步,在用户触发聚类阶段提出数据流聚类方法.通过对仿真数据和实际股票数据的分析结果表明,在参数设置合理的情况下,该方法可以获得接近0.95的聚类演化精度.
数据流、聚类演化、数据挖掘、形态特征
37
TP39(计算技术、计算机技术)
广东省自然科学基金资助项目6300278;广东工业大学青年基金资助项目092036
2011-10-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
46-48,51