基于仿射传播的进化数据流在线聚类算法

• 作者: 刘力雄 张建朋 李邵梅 陈福才
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 数据挖掘 近邻传播聚类 时态密度 模型重建 数据流
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 研究与应用
• 页码范围: 443-451
• 页数: 9页
• 分类号: TP181
• 字数: 7775字
• 语种: 中文

摘要

为提高数据流聚类的精度和时效性，提出一种具有时态特征与近邻传播思想的高效数据流聚类算法( TCAPStream)。该算法利用改进的WAP将新检测到的类模式合并到聚类模型中，同时利用微簇时态密度表征数据流的时态演化特征，并提出在线动态删除机制对微簇进行维护，使算法模型既能体现数据流的时态特征，又能反映数据流的分布特性，得到更精确的聚类结果。实验结果表明，该算法在多个人工数据集和真实数据集上不仅具有良好的聚类效果，而且具有较好的伸缩性和可扩展性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈福才	国家数字交换系统工程技术研究中心电信网实验室	31	193	7.0	12.0
2	李邵梅	国家数字交换系统工程技术研究中心电信网实验室	45	204	7.0	12.0
3	张建朋	国家数字交换系统工程技术研究中心电信网实验室	6	33	4.0	5.0
4	刘力雄	国家数字交换系统工程技术研究中心电信网实验室	12	162	6.0	12.0