面向实时海量数据流的数据聚类

摘要：

针对海量实时数据流，提出了一种基于密度和网格划分相结合的聚类算法。首先对数据空间进行划分，判断每个单元格中数据点的属性。如果单元格内数据点密度高于阈值，则判定这些点为核心点；否则，根据单元格邻居内数据点的数量对数据点进行再次判断，以确定单元格内的数据点是边界点还是噪声点。算法克服了基于密度的算法运行效率低的缺点，又弥补了基于网格的算法精度较低的不足。通过实验验证了算法的效率和性能，并与经典的DBSCAN和CLIQUE算法进行了对比分析。最后分析了算法在面向海量实时数据流方面所具有的优势，并提出了进一步的研究方向。

关键词：异常检测、聚类分析、密度聚类、网格聚类、海量数据流

所属期刊栏目：39

分类号：TP274(自动化技术及设备)

资助基金：国家自然科学基金项目61403328,61572419;山东省自然科学基金项目ZR2013FM011

在线出版日期：2016-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：114-119