基于差异性采样的流数据聚类算法

作者： 邱云飞 ¹ 孙梦冉 ¹
作者单位：

1. 辽宁工程技术大学软件学院
提交时间：2018-04-12 14:02:13

摘要: 针对传统聚类算法对流数据进行聚类时面临时间复杂度高，存储空间需求大以及准确度较低的问题，提出一种基于差异性采样的流数据聚类算法。首先利用差异性采样法对流数据进行采样并用样本点构造核矩阵，然后利用核模糊C均值聚类算法对核矩阵中的点进行聚类得到一个带有标记的样本核矩阵，最后利用带有标记的样本核矩阵对流数据中的点进行划分。同时利用衰退聚类机制，实时更新样本核矩阵。实验结果表明，相比于传统聚类算法，该算法实现了更低的时间复杂度，同时实时聚类，得到较为理想的聚类结果。

差异性采样衰退聚类机制核模糊C均值流数据时间复杂度

期刊： 计算机应用研究
分类： 计算机科学 >> 计算机科学的集成理论
引用： ChinaXiv:201804.01439 (或此版本 ChinaXiv:201804.01439V1)
DOI:10.12074/201804.01439V1
CSTR:32003.36.ChinaXiv.201804.01439.V1
推荐引用方式： 邱云飞,孙梦冉.(2018).基于差异性采样的流数据聚类算法.计算机应用研究.[ChinaXiv:201804.01439] (点此复制)

版本历史

[V1]

2018-04-12 14:02:13

ChinaXiv:201804.01439V1

下载全文

相关论文推荐

1. Turing’s thinking machine and ’t Hooft’s principle of superposition of states	2024-05-14
2. 恶意代码SCMP分类方法框架与风险行为多标签机制	2024-05-09
3. SteganoDDPM: A high-quality image steganography self-learning method using diffusion model	2024-04-23
4. 引导大语言模型生成计算机可解析内容	2024-04-21
5. 基于大语言模型的中英文整合复杂性建模研究	2024-04-10
6. 大模型与标准文献知识库的融合应用探索	2024-04-10
7. 简体中文LIWC2024(SCLIWC2024)词典的修订与验证	2024-04-09
8. Multimodal Physical Fitness Monitoring (PFM) Framework Based on TimeMAE-PFM in Wearable Scenarios	2024-04-07
9. 引导大语言模型生成计算机可解析内容	2024-04-07
10. 基于 Python 中 MeCab 库对日语文章进行文本分析处理实现	2024-04-04


公开评论匿名评论仅发给作者