论文部分内容阅读
提出基于相关分析的多数据流聚类算法．该算法将多数据流的原始数据快速压缩成一个统计概要．根据这些统计概要，可以增量式地计算相关系数来衡量数据间的相似度．提出了一种改进的k-平均算法来生成聚类结果．改进的缸平均算法可以动态、实时地调整聚类数目，并及时检测数据流的发展变化．还将算法应用到按照用户要求的聚类问题（COD），使得用户可以在任意的时间区间上查询聚类结果．提出了一种合理的时间片断划分机制，使得用户指定的任意时间区间都可以由这些时间片断组合而成．在模拟和真实数据上的实验结果都表明，该算法比其他方法具有更好