[发明专利]对含噪声点的实时数据流进行聚类和聚类边界界定的方法

摘要

本发明具体涉及一种对含噪声点的实时数据流进行聚类和聚类边界界定的方法。其方案是：更新数据点X能映射到的网格g的密度；将密度大于或等于密度阈值densityThreshold(t)的网格g标记为高密度网格gh；将相邻的高密度网格gh或与高密度网格gh相邻的大于相似阈值的低密度网格gl’标记为聚类网格ggrid；所有聚类网格ggrid形成聚类；若聚类网格ggrid有相邻的未被聚类的网格gl”或聚类网格ggrid是位于网格空间边缘，则标记为聚类边界网格gboundary，所有聚类边界网格gboundary构成了聚类的边界；输出所有聚类和聚类边界；计算下一次聚类请求时刻tnext；当数据流到达时刻tnext时循环上述步骤，直到数据流D结束。本发明具有聚类效率高和边界界定效果好的优点。

主权项

一种对含噪声点的实时数据流进行聚类和聚类边界界定的方法，其特征在于先将本方法中所涉及到的标记统一说明如下：D是含噪声点的实时数据流；λ是衰减因子；β是阈值调节系数；k是数据空间每一维的区间个数；δ是相似阈值；X是含噪声点的实时数据流D中的数据点；G是数据空间中的所有网格；g表示数据点X能够映射到的网格；gh是高密度网格；gl是低密度网格；gmax是还没有聚类的具有最大密度值的高密度网格，gmax∈gh；gl’是大于或等于相似阈值δ的低密度网格，gl’∈gl；gl”是小于相似阈值δ的低密度网格，gl‑gl’＝gl”，gl’∪gl”＝gl；speed是数据流的流速；N是数据空间中网格的总数；ggrid是聚类网格，gh∪gl’＝ggrid；gboundary是聚类边界网格，gboundary∈ggrid；tnext是下一次聚类请求时刻；对含噪声点的实时数据流进行聚类和聚类边界界定的步骤是：步骤1、先把含噪声点的实时数据流D中的数据点X能够映射到的网格g中，更新数据点X能够映射到的网格g的密度，更新后的密度为 Density ( g , t n ) = λ t n - t l Density ( g , t l ) + 1 - - - ( 1 ) 式(1)中：tn‑当前时刻，tl‑tn的上一次时刻；步骤2、在有聚类请求时，再更新数据点X能够映射到的网格g的密度，再更新后的密度为 Density ( g , t n ) = λ t n - t l Density ( g , t l ) - - - ( 2 ) 此时刻的密度阈值为 densityThreshold ( t ) = β ( 1 - λ t + 1 ) speed N ( 1 - λ ) - - - ( 3 ) 步骤3、将密度大于或等于密度阈值densityThreshold(t)的网格g标记为高密度网格gh，将密度小于密度阈值densityThreshold(t)的网格g标记为低密度网格gl；步骤4、在所有网格G中反复寻找一个还没有聚类的具有最大密度值的高密度网格gmax，以所述最大密度值的高密度网格gmax为始点进行深度优先搜索，遍历所有网格G，将最大密度值的高密度网格gmax或者与最大密度值的高密度网格gmax相邻的高密度网格gh标记为聚类网格ggrid；如果此时聚类网格ggrid和相似值大于给定相似阈值δ的低密度网格gl’相邻，则把这些低密度网格gl’也标记为聚类网格ggrid，所有的聚类网格ggrid结合为一个聚类；步骤5、扫描聚类网格ggrid，如果聚类网格ggrid有相邻的未被聚类的网格gl”或者聚类网格ggrid是位于网格空间的边缘，则把所述聚类网格ggrid有相邻的未被聚类的网格gl”和位于网格空间的边缘聚类网格ggrid标记为聚类边界网格gboundary，所有的聚类边界网格gboundary构成了聚类的边界；步骤6、输出数据空间的所有聚类和聚类边界；步骤7、在某一聚类时刻的聚类过程结束和下一次聚类请求还没有到达时，对于数据流中后续输入的数据点X，如果这些数据点X能够映射到聚类网格ggrid，这些数据点X就被提取出来，同时被标记属于哪个聚类；步骤8、预测数据流中有聚类消失或者有新聚类出现时，计算出下一次聚类请求时刻tnext；当数据流到达时刻tnext时，转到步骤2继续进行聚类和聚类边界界定；步骤9、反复循环步骤2到步骤8，直到含噪声点的数据流D结束。