[发明专利]一种增量式流式数据聚类方法及系统

摘要

本发明公开了一种增量式流式数据聚类方法及系统，初始化点击流向量、簇；判断数据库是否存在元组，如果存在，则转向下一步；初始化点击流向量，元组值赋值给点击流向量；计算点击流向量与簇的相似度；判断点击流向量与簇的相似度是否大于阈值，如是，则插入簇内，更新特征向量序列，置status为1，然后再判断是否存在下一个簇，否则，直接判断是否存在下一个簇；判断点击流向量status是否为零，若是，则创建新簇并更新簇的点击流特征向量。由于采用了簇标号作为簇的特征，且数据可以逐个与簇标号匹配计算，因此可以批量载入数据，无需一次性加载所有的数据。

主权项

1.一种增量式流式数据聚类方法，其特征是，包括：步骤一：初始化点击流向量、簇，其中，簇为已聚类好的点击流向量的集合，并且包含了该集合的共同特征；步骤二：判断数据库是否存在元组，如果存在，则转向步骤三，否则转向步骤六；步骤三：初始化点击流向量，元组值赋值给点击流向量；步骤四：计算点击流向量与簇的相似度；步骤五：判断点击流向量与簇的相似度是否大于阈值，如是，则将点击流向量数据插入簇内，更新特征向量序列即簇的特征序列，置位status为1，然后再判断是否存在下一个簇，否则，直接判断是否存在下一个簇，若存在下一个簇，则转向步骤四，否则转向步骤六；步骤六：判断点击流向量位status是否为零，若是，则创建新簇并更新簇的特征序列，并转向步骤二，否则，结束；在步骤六中，簇的更新方法：将新的点击流向量与簇的特征序列每个维度计算平均值，设a为点击流向量，该向量有m个维度，a_i为a向量在i维度的值，设A为簇，A_i为簇A在维度i的值，设当前簇A共包含有n个向量，当向量a并入簇A时，簇A每个维度的值更新都通过如下公式计算：1≤i≤m。