数据流聚类算法研究

许多应用程序会产生大量的流数据，如网络流、web点击流、视频流、事件流和语义概念流。数据流挖掘已成为热点问题，其目标是从连续不断的流数据中提取隐藏的知识/模式。聚类作为数据流挖掘领域的一个重要问题，在近期被广泛研究。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、一遍扫描、实时响应和概念漂移等许多约束。本文对数据流挖掘中的各种聚类算法进行了总结。首先介绍了数据流挖掘的约束；随后给出了数据流聚类的一般模型，并描述了其与传统数据聚类之间的关联；最后提出数据流聚类领域中进一步的研究热点和研究方向。