流聚类
文章平均质量分 65
向、向向日葵
这个作者很懒,什么都没留下…
展开
-
流聚类之Varying density method for data stream clustering
Varying density method for data stream clustering前言一、算法优化策略总结前言 在前文流聚类之DenStream中介绍了算法DenStream的工作流程,本文的算法是在该算法上作出的优化改进,本文简单介绍其优化手段。一、算法优化策略 提出了一种新的剪枝策略,以往的基于密度的数据流聚类的算法都是通过检测o微簇的权重是否低于阈值或者p微簇是否长时间没有数据点的加入导致微簇的权重降低; 该算法通过计算每一类微簇等待数据点的时间,如果微簇平均等原创 2021-11-25 16:55:13 · 144 阅读 · 0 评论 -
流聚类之Finding Multi-Density Clusters in Non-Stationary Data Streams Using an Ant Colony with Adaptive
Finding Multi-Density Clusters in Non-Stationary Data Streams Using an Ant Colony with Adaptive前言一、算法的切入点二、算法步骤2.1 创建初始集群2.2 合并集群总结前言 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原创 2021-11-25 16:49:12 · 175 阅读 · 0 评论 -
流聚类之StreamSW: A density-based approach for clustering data streams over sliding windows
StreamSW前言一、StreamSW总结前言 在之前的文章流聚类之DStream和流聚类之DenStream中已经介绍了算法DStream算法以及DenStream算法工作流程,本文的算法StreamSW是基于这两种算法进行的改进,在此只介绍该算法的不同之处。一、StreamSW StreamSW结合了算法DenStream以及DStream; 在DenStream算法中,每当新到来一个数据点,首先将其合并到p微簇中,若没有合适的p微簇,将其合并到o微簇中;若o微簇达到了成为p微簇的原创 2021-11-25 16:33:43 · 405 阅读 · 0 评论 -
流聚类之 EDDS: An Enhanced Density-based Method for Clustering Data Streams
EDDS前言一、EDDS总结前言 在流聚类之DenStream中我们已经介绍了DenStream算法的工作流程,EDDS算法是基于DenStream算法的,所以在此简单介绍了算法EDDS的不同之处。一、EDDS1、 将上一次迭代产生的异常值放入到传入的数据块中,以生成新的集群;2、 利用E/DBSCAN算法对新的数据块进行聚类,发现新的集群以及候选异常值;3、 将由E/DBSCAN算法产生的临时集群与先前的集群进行合并;4、 对新集群和现有的集群进行合并,并导出新的异常值以及集群;5、原创 2021-11-25 16:24:53 · 125 阅读 · 0 评论 -
流聚类之DGStream
DGStream前言一、DGStream算法流程1.1 在线阶段1.2 离线阶段总结前言 在 流聚类之DStream 中已经介绍了DStream算法的工作流程,本文要介绍的算法DGStream是基于DStream算法做的改进,所以在此只介绍DGStream算法的不同之处。一、DGStream算法流程1.1 在线阶段1、 对数据流中的数据进行标准化,并随机选择一些有代表性的点读入;2、 构建密度网格的SP树,并通过对树叶进行聚类来初始化聚类;3、 更新网格的特征向量,根据特征向量将网格分原创 2021-11-25 16:14:23 · 532 阅读 · 0 评论 -
流聚类之DStream
DStream前言一、DStream 算法流程1.1 在线阶段1.2 离线阶段1.3 调整网格密度总结前言 本文介绍了数据流聚类中的DStream算法,由于在之前的 流聚类之CluStream 以及 流聚类之DenStream 中介绍了流聚类的具体过程和思想,本文只介绍DStream算法的不同之处。一、DStream 算法流程1.1 在线阶段 对于一个数据流,在每一个时间戳中,在线组件不断读取新的数据记录,将多维数据放到多维空间中对应的离散密度网格中,并更新密度网格的特征向量。1.2 离原创 2021-11-25 16:05:09 · 836 阅读 · 0 评论 -
流聚类之DenStream
DenStream 前言一、DenStream 算法提出的目的二、两阶段2.1 在线阶段2.2 离线阶段总结前言本文简单总结了有关流聚类算法DenStream的相关知识,从算法提出的目的以及两阶段过程进行阐述。一、DenStream 算法提出的目的对Clustream算法进行改进,引入了时间衰减函数来对不同时间的数据点进行加权;二、两阶段2.1 在线阶段➢维护P微簇以及O微簇(存放在一个单独的内存空间中-离群值缓冲区);➢首先根据DBSCAN算法初始化生成P微簇,当新的数据点到来时,试图原创 2021-11-25 15:50:47 · 1678 阅读 · 0 评论 -
流聚类之蚁群流聚类
蚁群流聚类前言一、蚁群流聚类1.1 关键信息存储1.2 形成集群的过程1.3 集群的合并以及删除:总结前言由于在之前的流聚类之CluStream以及流聚类之DenStream中介绍了流聚类的具体过程,本文就简单总结蚁群流聚类的不同之处提示:以下是本篇文章正文内容,下面案例可供参考一、蚁群流聚类1.1 关键信息存储 不同于CluStream算法的五个维度,蚁群流聚类算法通过三个组件来描述一个微集群:包含的数据点数、每个维度的线性和、每个维度的平方和。1.2 形成集群的过程 将第一个数据原创 2021-11-25 15:48:06 · 208 阅读 · 0 评论 -
流聚类算法之CluStream
CluStream前言一、CluStream算法的切入点二、CluStream算法核心思想三、CluStream算法的两阶段3.1 在线阶段3.2 离线阶段CluStream算法的缺点总结前言本文简要介绍了数据流聚类算法中的CluStream算法,从算法的切入点、算法核心思想、算法的两阶段流程以及缺点进行阐述。一、CluStream算法的切入点(1)可以有效的存储在连续数据流中的摘要信息的性质是什么?(2)摘要信息什么时候被存储在磁盘上?(3)如何使用周期的数据在用户指定的时间范围内提供聚类原创 2021-11-25 15:31:07 · 2237 阅读 · 1 评论