基于关联函数的数据流聚类算法

？传统数据流聚类算法大多基于距离或密度，聚类质量和处理效率都不高。针对以上问题，提出了一种基于关联函数的数据流聚类算法。首先，将数据点以物元的形式模型化，建立解决问题所需要的关联函数；其次，计算关联函数的值，以此值的大小来判断数据点属于某簇的程度；然后，将所提方法运用到数据流聚类的在线-离线框架中；最后，采用真实数据集kdd-cup99和随机生成的人工数据集进行算法的测试。实验结果表明，所提方法的聚类纯度在92%以上，每秒能处理约6300条记录，与传统算法相比，处理效率有了较大的提高，在维度和簇数目方面的可扩展性较强，适用于处理大规模的动态数据集。