流聚类之Finding Multi-Density Clusters in Non-Stationary Data Streams Using an Ant Colony with Adaptive

---

前言

   本文简单介绍算法“Finding Multi-Density Clusters in Non-Stationary Data Streams Using an Ant Colony with Adaptive”，从算法的切入点以及算法流程进行阐述。

---

一、算法的切入点

   目前的基于密度聚类的算法需要输入的参数都是全局性的参数，没有针对性，所以无法检测到不同密度的聚类。因为全局参数的存在会将所有的集群先限制到一个统一的密度水平；

二、算法步骤

2.1 创建初始集群

1、第一个数据点作为第一只蚂蚁，该蚂蚁建立第一个巢；

2、随后的蚂蚁可以加入已有的巢穴（根据同每一个巢穴的相似性）或者自己建立一个巢穴。

3、蚂蚁在评估每一个巢穴时，会记住与每个巢的相似性（存储在信息素矩阵中）；当有一只蚂蚁加入/形成一个巢穴时，更新选定的巢穴同其他巢穴的相似性；

4、当所有的蚂蚁都找到对应的巢穴后，每个巢会形成一个微簇，信息素矩阵存储着微簇之间的相似性；

2.2 合并集群

1、找到包含数据点最多的集群C作为种子；

2、将根据邻域阈值（lamda），找到与该种子的相似度高的巢n（如果巢小于成为微簇的条件，视为异常值）；

3、Lamda参数会自动调节，找到n后，再找到与n最相似的邻居neighbour的相似度来调整参数lamda;

4、将n和neighbour均合并到C中；

5、如果没有符合条件的巢可以加入到C中，将C中的巢进行最终的合并，形成一个集群;

6、不断迭代这个过程;

---

总结

   本文简单介绍了算法“Finding Multi-Density Clusters in Non-Stationary Data Streams Using an Ant Colony with Adaptive”，从算法的切入点以及算法流程进行了阐述。如果有不足之处或者表述不当的地方欢迎大家指正。