计算机研究与发展

作者：朱颖雯,陈松灿,

关键词：高维数据, 数据流聚类, 随机投影, 自适应谐振理论, 聚类,

高维数据流在许多现实应用中广泛存在，例如网络监控.不同于传统的静态数据聚类问题，数据流聚类面临有限内存、单遍扫描、实时响应和概念漂移等问题.然而现有许多数据流聚类算法在处理高维数据时，常常因产生维数灾难而导致高计算复杂度和较差的性能.为了解决此问题，基于随机投影和自适应谐振理论(adaptiveresonancetheory,ART)提出了一种针对高维数据流的高效聚类算法RPFART.该算法具有线性计算复杂度，仅包含1个超参数，并对参数设置鲁棒.详细分析了随机投影对ART的主要影响，尽管该算法仅简单地将随机投影与ART方法进行了结合，但在多个数据集上的实验结果表明：即使将原始尺寸压缩到10％，该方法仍可以达到与RPGStream算法相当的性能.对于ACT1数据集，其维数从67500减少到6750.

来源：2020年第8期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2020年第8期