[发明专利]一种面向数据流的全在线聚类方法

权利要求书

1.一种面向数据流的全在线聚类方法，其特征在于，包括以下步骤：

S1：基于在线数据角色判断的动态数据流聚类算法进行聚类；

S2：根据多速率的数据衰减机制，更新数据流对象；

S3：基于邻域的密度更新聚类算法；

S4：在线聚类调整。

2.根据权利要求1所述的一种面向数据流的全在线聚类方法，其特征在于，所述步骤S1中，通过与簇内点的数值比较，自动发现簇头和离群点，公式如下：

γ＝δ×ρ (1)

ω＝δ×ρ (2)

其中ρ是每个数据点的局部密度值，δ是到当前点最近且密度高的点的距离，簇头的ρ和δ都较大，而离群点的ρ较小，δ较大。

3.根据权利要求2所述的一种面向数据流的全在线聚类方法，其特征在于，

步骤S2中，数据衰减函数如公式如下：

λ₁＝Nc/N是簇头衰减因子，其中Nc是当前簇头的数量,N是当前有效的全体数据数量；λ₂＝Nb/N是簇内点的衰减因子，其中Nb是当前簇内点的数量；λ₃＝N/(N+No)是离群点的衰减因子，其中No是离群点数量。

4.根据权利要求3所述的一种面向数据流的全在线聚类方法，其特征在于，

步骤S3中，对每个更新数据点i，只对其邻域范围内的数据点的密度变化值进行计算，具体方法如公式4所示。

其中，ρ′_j是i的邻居节点j的现有密度值，dij是数据i与j之间的距离，dc是邻域半径，如果i是新增数据，则公式(4)中间运算符取加法，如果i是被删除数据，则中间运算符取减法。

5.根据权利要求4所述的一种面向数据流的全在线聚类方法，其特征在于，

步骤S4中，根据密度属性变化情况实时跟踪数据角色变化情况，以簇头的变化触发调整类操作，当现有数据中出现簇头点变化的情况，算法对当前所有数据进行重新计算密度属性、重新判别角色、重新聚类，实现对类的动态调整。