一种面向不确定数据流的聚类算法

• 作者: 王坤 邵崇雷 韩东红 马畅
• 来源期刊: 东北大学学报（自然科学版）
• 学科: 工学
• 关键词: 不确定数据流 聚类 大数据 数据挖掘 最小边界矩形
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 信 息 与 控 制
• 页码范围: 1677-1682
• 页数: 6页
• 分类号: TP391
• 字数: 3942字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-3026.2016.12.002

摘要

作为大数据的重要组成，产生于传感器、移动电话设备、社交网络等的不确定流数据因其具有流速可变、规模宏大、单遍扫描及不确定性等特点，传统聚类算法不能满足用户高效实时的查询要求。首先利用MBR ( minimum bounding rectangle)描述不确定元组的分布特性，并提出一种基于期望距离的不确定数据流聚类算法，计算期望距离范围的上下界剪枝距离较远的簇以减少计算量；其次针对簇内元组的分布特征提出了簇MBR的概念，提出一种基于空间位置关系的聚类算法，根据不确定元组MBR和簇MBR的空间位置关系排除距离不确定元组较远的簇，从而提高聚类算法效率；最后在合成数据集和真实数据集进行实验，结果验证了所提出算法的有效性和高效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王坤	东北大学计算机科学与工程学院	35	132	6.0	10.0
2	韩东红	东北大学计算机科学与工程学院	23	95	5.0	8.0
3	邵崇雷	沈阳理工大学机械工程学院	2	1	1.0	1.0
4	马畅	东北大学计算机科学与工程学院	2	2	1.0	1.0