基于倾斜分布的变流速数据流聚类算法

摘要：

处理倾斜分布特征的数据流聚类算法TDCA存在聚类速度与内存利用率上的不足，且变流速的数据流环境对聚类结果的质量有严重影响。针对上述问题，提出一种数据流聚类算法GR-Stream。采用网格单元作为数据点的聚集形式，以基于R-tree的扩展数据结构作为组织网格单元的索引结构，在此基础上引入剪枝策略，并调整数据点进入树的方式。在真实数据集 KDD-CUP99上进行测试，结果表明，与TDCA算法相比，该算法在聚类过程中可以提高40%的访问速度，应用剪枝策略节省至少一半的内存使用量，同时在变流速的数据流环境下将聚类结果的平均纯度保持在90%以上。

关键词：数据流、聚类、时态密度、倾斜分布、剪枝、变流速

分类号：TP18(自动化基础理论)

在线出版日期：2013-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：247-250,259