基于可变滑动窗口的不确定数据流聚类方法研究

发布时间：2021-05-14 00:57

　　不确定数据流聚类技术是一种用于发现不确定数据流中数据项分布信息的方法,可以实时地帮助用户在海量的数据中发掘有价值的信息。不确定数据流聚类技术的根本目的是提高聚类结果的质量、过滤噪声及过期信息并降低时空资源的消耗。为了能用较少的资源消耗获得高精度的聚类结果,本文对传统滑动窗口技术进行了改进,并在此基础上给出了基于可变滑动窗口技术的聚类算法,主要研究内容如下:（1）改进了传统的可变滑动窗口技术。针对传统可变滑动窗口技术中,窗口大小设置不灵活的问题,本文设置窗口大小可随着数据流速度的变化动态调节,并将窗口大小均匀划分为大小相等的子窗口,定义为元窗口,以元窗口为缓冲数据的基本单元。通过动态设置概率阈值,可在聚类的同时为最近元窗口内数据项分类,将低概率数据直接纳入离群点缓冲区,降低资源消耗。同时还定义了数据流速变化幅度和变化频度两个概念,合理地选择两种窗口调节算法,适应数据流的演化情况。（2）给出了基于可变滑动窗口技术的不确定数据流聚类算法。通过结合改进后的滑动窗口技术,文章给出了一种新的不确定聚类算法VSWC,将聚类过程模块化,使聚类过程更加清晰,并定义了新的不确定数据聚类特征SWUCF,能更... 

【文章来源】：安徽理工大学安徽省

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 本文主要研究内容
    1.4 论文结构安排
第2章 不确定数据流概述
    2.1 不确定数据流
        2.1.1 不确定数据流的概念
        2.1.2 不确定数据流的产生
        2.1.3 不确定数据流的特点
        2.1.4 不缺定数据流的描述
        2.1.5 不确定数据的应用领域
    2.2 数据流聚类技术
        2.2.1 聚类分析
        2.2.2 数据流聚类与数据集聚类的区别与联系
        2.2.3 数据集聚类算法
        2.2.4 数据流聚类算法
    2.3 聚类效果评价
    2.4 本章小结
第3章 动态数据流中的可变滑动窗口研究
    3.1 窗口模型
    3.2 可变滑动窗口模型
        3.2.1 元窗口
        3.2.2 可变滑动窗口
    3.3 窗口调整算法
    3.4 两种窗口调整算法选择
    3.5 本章小结
第4章 基于可变滑动窗口的不确定数据流聚类方法研究
    4.1 不确定数据流聚类的相关定义
    4.2 聚类算法VSWC
        4.2.1 聚类的初始化
        4.2.2 最优簇寻找
        4.2.3 金字塔时间框架
        4.2.4 微簇的衰减与淘汰
        4.2.5 参数动态调整
        4.2.6 用户请求处理
    4.3 本章小结
第5章 基于可变滑动窗口的不确定数据流聚类实验分析
    5.1 实验环境
    5.2 数据流
    5.3 评价指标与参数设置
    5.4 三种聚类算法比较
        5.4.1 聚类纯度
        5.4.2 距离平方和
        5.4.3 聚类处理时间
        5.4.4 内存开销
    5.5 本章小结
第6章 总结与展望
    6.1 全文总结
    6.2 工作展望
参考文献
致谢
作者简介及读研期间主要科研成果


【参考文献】：
期刊论文
[1]基于合并分层聚类的网络拓扑推断算法[J]. 张润生,李艳斌,李啸天.  电子学报. 2013(12)
[2]一种基于滑动窗口的不确定数据流聚类算法[J]. 朱娟芳,霍欢,徐亚,奚金金,彭敦陆,高丽萍.  信息技术. 2013(04)
[3]不确定性数据管理技术研究综述[J]. 周傲英,金澈清,王国仁,李建中.  计算机学报. 2009(01)
[4]聚类有效性评价综述[J]. 杨燕,靳蕃,KAMEL Mohamed.  计算机应用研究. 2008(06)
[5]聚类算法研究[J]. 孙吉贵,刘杰,赵连宇.  软件学报. 2008(01)



本文编号：3184960