数据流中随机型分形维数计算方法研究

分形维数能够有效地描述数据集，反映复杂数据集中隐含的规律性，基于分形理论的数据挖掘算法通常都步及到分形维数的计算。但是现有的分形维数计算方法的时间复杂度和空间复杂度都比较高，大大降低了算法的效率，使算法很难适应高速、海量的数据流环境。因此，总结分析了现有的几种分形维数计算方法，并提出一种随机型方法，利用固定的内存空间快速估计数据流的关联维数。最后通过与现有算法进行对比实验，证明了这一随机型算法的有效性。