基于小波网络的数据流偶合特征聚类方法

作     者：琚春华 郭晓娜 JU Chun-hua;GUO Xiao-na

作者机构：浙江工商大学计算机与信息工程学院浙江杭州310018 浙江工商大学现代商贸研究中心浙江杭州310018 

基　　金：国家自然科学基金项目(71071141 60905026) 教育部高校博士点基金项目(20093326120004 0103326110001) 浙江省自然科学重点基金项目(Z1091224) 浙江省研究生创新科研基金项目(YK2010065) 浙江工商大学研究生科研创新基金项目(1130XJ1510122) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2012年第33卷第3期

页      码：1145-1149页

摘      要：利用小波网络对数据流进行压缩,从而建立新的数据流概要结构,它的规模比原始数据流的规模要小很多,用其来保存原始数据流的主要特征,进行偶合特征提取分析,获取反应数据流变化趋势的相似度,研究其相关性;对k-means进行改进提出一种改进的聚类方法 CCK-Stream(coincidence characteristic K-means)。理论分析与仿真实验结果表明,其数据压缩比高,CCK-Stream聚类方法的可行性以及聚类质量较好,而且在存储空间性能上表现较佳,且具有较高的稳定性。

主 题 词：数据流 小波网络 数据压缩 偶合特征 聚类 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1000-7024.2012.03.061

馆 藏 号：203130316...