首页 | 本学科首页   官方微博 | 高级检索  
     

基于滑动窗口密度聚类的数据流偏倚采样算法
引用本文:胡志冬,任永功,杨雪. 基于滑动窗口密度聚类的数据流偏倚采样算法[J]. 计算机科学, 2013, 40(9): 254-256,269
作者姓名:胡志冬  任永功  杨雪
作者单位:辽宁师范大学计算机与信息技术学院 大连116029
基金项目:本文受辽宁省计划项目基金(2012232001),辽宁省自然科学基金(201202119)资助
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.

关 键 词:轨迹数据流  滑动窗口  密度聚类  偏倚采样
收稿时间:2013-04-17
修稿时间:2013-07-24

Bias Sampling Data Stream Based on Sliding Window Density Clustering Algorithm Research
HU Zhi-dong,REN Yong-gong and YANG Xue. Bias Sampling Data Stream Based on Sliding Window Density Clustering Algorithm Research[J]. Computer Science, 2013, 40(9): 254-256,269
Authors:HU Zhi-dong  REN Yong-gong  YANG Xue
Affiliation:School of Computer and Information Technology,Liaoning Normal University,Dalian 116029,China;School of Computer and Information Technology,Liaoning Normal University,Dalian 116029,China;School of Computer and Information Technology,Liaoning Normal University,Dalian 116029,China
Abstract:
Keywords:Trajectory data stream  Sliding window  Density clustering  Bias sampling
本文献已被 万方数据 等数据库收录!
点击此处可从《计算机科学》浏览原始摘要信息
点击此处可从《计算机科学》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