一种基于滑动窗口的流数据聚类算法

摘要：

在实际应用中,人们往往比较关心最近一段时间内数据流的分布状况.在传统的基于界标模型的聚类算法CluStream中,没有淘汰过期元组,不能准确反映当前数据流的数据分布状况.滑动窗口是数据流中一种关注近期数据的近似方法.为了提高对流数据聚类分析的质量及效率,对算法clustream进行了改进,采用滑动窗口来支持数据处理.为了减少聚类操作中每次迭代的计算次数,算法采用改进的k-means来执行聚类操作.优化后的算法能及时淘汰过期元组,同时对新到达的元组不断进行实时处理,可以获得更准确的分析结果.与聚类算法CluStream相比,优化算法可获得较小的内存开销和快速的数据处理能力,聚类结果更合理清晰.

关键词：流数据、聚类、滑动窗口、改进的k-means算法

所属期刊栏目：21

分类号：TP311(计算技术、计算机技术)

资助基金：贵州省科技计划工业攻关基金资助项目黔科合GY字[2008]3035

在线出版日期：2011-05-30（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：23-26