动态滑动窗口的数据流聚类方法

摘要：

数据流聚类是聚类分析中的重要问题.针对数据流的流速是变化的问题,在两阶段聚类框架基础上提出基于动态滑动窗口的数据流聚类算法.在线阶段,引入微聚类特征来存储数据流的概要信息,利用存储的概要信息动态调整滑动窗口规模,并计算数据点与微聚类中心的距离,以维护微聚类特征;离线阶段,对在线聚类阶段的聚类结果采用K-means算法进行宏聚类,生成最终聚类.实验结果表明,该算法具有较高的聚类质量和较好的伸缩性.

关键词：数据挖掘、数据流、聚类、滑动窗口

所属期刊栏目：47

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 60773100;河北省教育厅科研计划项目the Scientific Research Project of the Department of Hebei Education of China under Grant 2006143

在线出版日期：2011-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：135-138