數(shù)據(jù)流是一種數(shù)據(jù)序列,它能夠隨時間增加而順序、快速、大量、連續(xù)到達(dá)。近年來,隨著互聯(lián)網(wǎng)以及軟硬件的發(fā)展越來越多的數(shù)據(jù)流產(chǎn)生在各行各業(yè),使得數(shù)據(jù)流逐漸成為一種主流的數(shù)據(jù)形式。這些數(shù)據(jù)流中隱藏著許多有趣的知識和規(guī)律,如果挖掘出來并加以利用能夠?qū)θ藗兊臎Q策起到重要的指導(dǎo)和參考作用。但是不同于以往的靜態(tài)數(shù)據(jù),數(shù)據(jù)流具有無限性、時序性、演變性、高維性、時間局部性等特點(diǎn),使得傳統(tǒng)數(shù)據(jù)挖掘算法不能直接移植到數(shù)據(jù)流中。所以如何在這些海量的數(shù)據(jù)流中挖掘有用的信息,輔助人們決策,是一個具有挑戰(zhàn)性的問題并且受到了廣泛關(guān)注。數(shù)據(jù)流聚類與異常檢測是數(shù)據(jù)流挖掘領(lǐng)域中的兩個重要研究分支。數(shù)據(jù)流聚類是一個將不斷到達(dá)的數(shù)據(jù)流按其相似性劃分為若干簇的過程。而數(shù)據(jù)流異常檢測是為了找出數(shù)據(jù)流中偏離正常值的異常數(shù)據(jù)。為了能夠快速處理數(shù)據(jù)流,現(xiàn)有數(shù)據(jù)流聚類和異常檢測算法大都采用網(wǎng)格結(jié)構(gòu)匯總數(shù)據(jù)流。但是在將數(shù)據(jù)流映射到網(wǎng)格并增量更新時,它們都忽略了網(wǎng)格之間的相互影響,假設(shè)網(wǎng)格之間相互獨(dú)立。這樣的處理方式造成提取的數(shù)據(jù)流概要信息不夠精確,直接影響了數(shù)據(jù)流聚類和異常檢測算法的精度。為了解決上述問題,本文主要有四個方面的工作:第一,提出... 

【文章來源】：云南大學(xué)云南省 211工程院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３．２網(wǎng)格４中映射數(shù)據(jù)對象對網(wǎng)格３和網(wǎng)格６的影響??

成的簇與＆和ｇ，構(gòu)成的簇合并。??３．２．２?ＧＣＳｔｒｅａｍ－ＣＬ?算法框架??ＧＣＳｔｒｅａｍ－ＣＬ算法的流程如圖３．３所示，分為在線和離線兩部分。在線階段根??據(jù)數(shù)據(jù)流中數(shù)據(jù)對象的屬性創(chuàng)建相應(yīng)網(wǎng)格，并將不斷到達(dá)的數(shù)據(jù)對象映射到網(wǎng)格??中。如果網(wǎng)格中新加入了數(shù)據(jù)對象，則更新受影響的網(wǎng)格的權(quán)重、質(zhì)心等，并實時??更新核心網(wǎng)格。除此之外，ＧＣＳｔｒｅａｍ－ＣＬ算法在線階段會周期性檢測及刪除噪聲??網(wǎng)格。離線階段，ＧＣＳｔｒｅａｍ－ＣＬ算法通過搜索與核心網(wǎng)格密度相連的網(wǎng)格完成聚??類，并根據(jù)核心網(wǎng)格的變動追蹤簇的變化。本文算法中每個步驟詳細(xì)介紹如下：??２０??

并且距離大部分?jǐn)?shù)據(jù)較遠(yuǎn)時，其為異常的可能性最大。如果一個網(wǎng)格密??度較高、距離大部分?jǐn)?shù)據(jù)較遠(yuǎn)或者網(wǎng)格密度較低、距離大部分?jǐn)?shù)據(jù)較近，則其為異??常的可能性都不會高。＾時刻進(jìn)行異常檢測，經(jīng)過剪枝后的數(shù)據(jù)分布如圖３．５所示。??圖中五角星表示每個網(wǎng)格的質(zhì)心位置。值得注意的是，網(wǎng)格３為核心網(wǎng)格，是當(dāng)前??時刻數(shù)據(jù)空間中一組密度相連網(wǎng)格的中心，所以本文以其質(zhì)心代表未剪枝時數(shù)據(jù)??空間中大部分?jǐn)?shù)據(jù)對象所處的位置。網(wǎng)格７周圍數(shù)據(jù)量較少，其密度比較低，但是??２６??


本文編號：3416790