大数据下数据流聚类挖掘算法的优化分析

• 作者: 周卓洁 张红梅 杜宏燊 杨涛 王家乐
• 来源期刊: 物联网技术
• 关键词: 大数据 数据流 聚类 挖掘算法 时间衰减 F-Stream算法
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 智能处理与应用
• 页码范围: 58-60,64
• 页数: 4页
• 分类号: TP274
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2019.08.019

摘要

随着IT技术的不断提升和完善,不管是在PC端,还是在移动端,人们借助互联网工具来实现的各种服务,都以数据的形式被记录下来,而这些数据不仅体量庞大、变化迅速,而且还呈现出一定的时序性.传统的数据分析已经不能适应如今庞大的数据流,同时不同的算法,最终所得到的处理结果也是不一样的,此时利用数据流相关的技术得到了重视和大规模的开发应用.鉴于此,文中通过明确数据流的概念和特点,并列举了常用的数据流聚类算法.充分考虑时间权值对数据流聚类的影响,在微簇中心点引入了时间衰减函数,提出F-Stream算法,分别对在线微聚类算法、离线宏聚类算法和数据流全局化缓存结构进行了优化设计.通过和CluStream算法进行时间效率、聚类质量和敏感参数的对比实验,发现F-Stream算法的整体性能更优,具有很好的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张红梅	空军工程大学装备管理与无人机工程学院	44	322	8.0	16.0
2	杨涛	空军工程大学装备管理与无人机工程学院	15	32	3.0	5.0
3	杜宏燊	空军工程大学信息与导航学院	3	0	0.0	0.0
4	王家乐	空军工程大学信息与导航学院	3	0	0.0	0.0
5	周卓洁	空军工程大学信息与导航学院	2	0	0.0	0.0