流数据是一组顺序、大量、快速、连续到达的数据序列,一般情况下,数据流可被视为一个随时间延续而无限增长的动态数据集合。流数据分析在数据挖掘领域中的重要性日益凸显,其中流数据聚类已经逐渐发展成为一个重要的研究热点。本文针对双层流数据聚类算法框架进行了深入的研究,主要包括以下内容:1,深入地研究了在线层算法对数据的表达方式。提出新的数据结构“格簇”来解决在线层算法中数据仅能根据临时分布状态确定所属聚类,从而导致算法精度受损的问题。提出新的数据结构“N-维球簇”,能够有效地解决流数据基于密度聚类的问题。2,提出一种基于Agent方法的双层流数据聚类算法,在较低的时间开销下能够得到质量较高的聚类结果。算法对初始化数据不敏感,不需要切割数据流,保持了全局信息的完整性。算法同时支持数据流上的时间窗口分析。3,提出一种基于密度的流数据聚类算法,能够有效地解决数据空间中存在不规则分布密集区域的聚类问题,实验结果表明该算法能够有效地标识空间中的不规则形状簇。4,开发出一套聚类挖掘工具软件,集数据生成,数据分布可视化,可重用聚类算法模块为一体,应用设计良好的开放式架构,用于缩短新算法的研发周期。