首页 | 本学科首页   官方微博 | 高级检索  
     

一种新的数据流模糊聚类方法
引用本文:孙力娟,陈小东,韩崇,郭剑.一种新的数据流模糊聚类方法[J].电子与信息学报,2015,37(7):1620-1625.
作者姓名:孙力娟  陈小东  韩崇  郭剑
作者单位:2.(南京邮电大学计算机学院 南京 210003) ②(南京邮电大学江苏省无线传感网高技术研究重点实验室 南京 210003)
基金项目:国家自然科学基金,教育部博士点基金,中国博士后科学基金,江苏省博士后科研资助计划项目(1302085B)资助课题
摘    要:针对数据流上的聚类任务受到时间、空间限制等问题,该文提出一种基于权值衰减的数据流模糊微簇聚类算法(WDSMC)。该算法使用改进的带权值的模糊C均值算法进行处理,并采用微簇结构和权值时间衰减结构提高聚类质量。实验表明,相对于现有的数据流加权模糊C均值聚类(SWFCM)算法和StreamKM++算法而言,WDSMC算法具有更好的聚类精度。

关 键 词:数据挖掘    数据流    模糊C均值聚类    权值衰减    微簇聚类
收稿时间:2014-11-05

New Fuzzy-Clustering Algorithm for Data Stream
Sun Li-juan,Chen Xiao-dong,Han Chong,Guo Jian.New Fuzzy-Clustering Algorithm for Data Stream[J].Journal of Electronics & Information Technology,2015,37(7):1620-1625.
Authors:Sun Li-juan  Chen Xiao-dong  Han Chong  Guo Jian
Affiliation:2.(College of Computer, Nanjing University of Posts and Telecommunications, Nanjing 210003, China)
Abstract:There is a great challenge in the data stream clustering due to a limitation of time and space. In order to solve this problem, a new fuzzy-clustering algorithm, called Weight Decay Streaming Micro Clustering (WDSMC), is presented in this paper. The algorithm uses a reformed weighted Fuzzy C-Means (FCM) algorithm, and improves the quality of clustering by the structures of micro-clusters and weight-decay. Experimental results show that this algorithm has better accuracy than Stream Weight Fuzzy C-Means (SWFCM) and StreamKM++ algorithm.
Keywords:Data mining  Data stream  Fuzzy C-Means (FCM)  Weight decay  Micro-clustering
本文献已被 万方数据 等数据库收录!
点击此处可从《电子与信息学报》浏览原始摘要信息
点击此处可从《电子与信息学报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号