一种新的数据流模糊聚类方法

被引：22

作者：

孙力娟 ^{[1
,2
]}

陈小东 ^{[1
]}

韩崇 ^{[1
]}

郭剑 ^{[1
,2
]}

机构：

[1] 南京邮电大学计算机学院

[2] 南京邮电大学江苏省无线传感网高技术研究重点实验室

来源：

电子与信息学报 | 2015年 / 37卷 / 07期

基金：

中国博士后科学基金;

关键词：

数据挖掘; 数据流; 模糊C均值聚类; 权值衰减; 微簇聚类;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

针对数据流上的聚类任务受到时间、空间限制等问题,该文提出一种基于权值衰减的数据流模糊微簇聚类算法(WDSMC)。该算法使用改进的带权值的模糊C均值算法进行处理,并采用微簇结构和权值时间衰减结构提高聚类质量。实验表明,相对于现有的数据流加权模糊C均值聚类(SWFCM)算法和Stream KM++算法而言,WDSMC算法具有更好的聚类精度。

引用

页码：1620 / 1625

页数：6

共 6 条

[1] 一种基于混合模型的数据流概念漂移检测算法 [J].

郭躬德 ;

李南 ;

陈黎飞 .

计算机研究与发展 , 2014, (04) :731-742

[2] 一种改进的动态k-均值聚类算法 [J].

胡伟 .

计算机系统应用, 2013, 22 (05) :116-121

[3]

MATLAB智能算法30个案例分析[M]. 北京航空航天大学出版社 , 史峰, 2011

[4]

数据挖掘[M]. 机械工业出版社 , (加)JiaweiHan, 2001

[5]

Data stream clustering[J] . Jonathan A. Silva,Elaine R. Faria,Rodrigo C. Barros,Eduardo R. Hruschka,André C. P. L. F. de Carvalho,Jo?o Gama.ACM Computing Surveys (CSUR) . 2013 (1)

[6]

StreamKM++:A clustering algorithm for data streams .2 Marcel R Ackermann,Marcus Martens,Christoph Raupach,Kamil Swierkot,Christiane Lammersen,Christian Sohler. ACM Journal of Experimental Algorithmics . 2012

← 1 →