基于網(wǎng)格的并行聚類算法及數(shù)據(jù)流聚類算法研究.pdf

1、聚類分析作為數(shù)據(jù)挖掘的一個(gè)重要任務(wù)，具有廣泛的應(yīng)用領(lǐng)域，這些不同的應(yīng)用都對(duì)聚類分析算法提出了新的要求。
　　 本文提出了基于網(wǎng)格的并行聚類分析算法PGMCLU，該算法的創(chuàng)新點(diǎn)主要包括：定義了網(wǎng)格緊湊度、網(wǎng)格密度連通、網(wǎng)格特征值、簇密度以及簇相似度的概念；提出了基于網(wǎng)格單元?jiǎng)澐值臄?shù)據(jù)分區(qū)方法，基于網(wǎng)格密度連通概念的局部聚類方法，以及基于簇相似度度量的局部聚類合并方法；實(shí)現(xiàn)了對(duì)網(wǎng)格密度閾值參數(shù)minPts的自適應(yīng)設(shè)置。該算法可以較好

2、地處理高維和海量數(shù)據(jù)集，并具有識(shí)別不同形狀和密度簇的能力。
　　 數(shù)據(jù)流是指潛在無(wú)限的、持續(xù)而快速到達(dá)的具有時(shí)間順序的數(shù)據(jù)對(duì)象的集合。數(shù)據(jù)流的實(shí)時(shí)性和潛在無(wú)限性，決定了數(shù)據(jù)流聚類分析算法與傳統(tǒng)的基于靜態(tài)數(shù)據(jù)的聚類分析算法相比，具有一些新的特性。
　　 本文提出了基于網(wǎng)格的數(shù)據(jù)流聚類分析算法GC-Stream，該算法的創(chuàng)新點(diǎn)主要包括：提出了描述網(wǎng)格單元概要信息的特征向量結(jié)構(gòu)；對(duì)SP-Tree做了改進(jìn)，提出了基于List結(jié)構(gòu)