基于滑动窗口密度聚类的数据流偏倚采样算法

• 作者: 任永功 杨雪 胡志冬
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 轨迹数据流 滑动窗口 密度聚类 偏倚采样
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 254-256,269
• 页数: 4页
• 分类号: TP301
• 字数: 3940字
• 语种: 中文

摘要

对于移动计算领域的移动对象轨迹数据流的管理,最普遍采用的技术手段是采样技术,而传统的均匀采样易丢失一些关键的变化数据,造成信息丢失现象.针对这一问题,提出一种基于概率密度聚类的数据流偏倚采样算法.该算法在滑动窗口模型下,充分利用了轨迹数据流自身的分布特性,结合偏倚采样算法思想克服了均匀采样的数据丢失问题.算法首先采用基于数据存在密度的聚类技术将滑动窗口划分为强簇、弱簇和过度簇,然后针对不同的簇给予不同的采样率,进行偏倚采样,进而得到最终的数据流摘要.经过实际数据集的实验检测,证明算法较好地保证了采样质量,并具有较快的数据处理能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任永功	辽宁师范大学计算机与信息技术学院	74	975	12.0	30.0
2	胡志冬	辽宁师范大学计算机与信息技术学院	6	37	3.0	6.0
3	杨雪	辽宁师范大学计算机与信息技术学院	9	20	2.0	4.0