朱俚治　朱梧檟

摘 要：在当今的网络中存在三种形式的数据流，连续型数据流，标称型数据流和混合属性数据流。由于目前在数据挖掘中大部分算法只能处理一种属性的数据流，而处理混合属性数据流的算法却很少，但在数据挖掘的实际应用中常常需要将不同属性的数据流进行相互区分。事实上研究人员在区分不同属性数据流时，首先是将不同属性的流进行聚类，其次是对不同属性的流进行识别。在查阅有了有关资料和参考文献后，本文提出了一种对混合属性数据流的聚类算法，该算法的聚类思想是：①提取混合属性数据流的分类属性，②使用k-近邻算法计算数据流分类属性的相似性，③根据k-近邻算法对数据流相似度的计算结果，使用k-均值聚类算法对混合属性数据流进行聚类，④给出聚类的算法。

关键词：混合属性数据；相似性；k-近邻算法；k-均值聚类；分类属性

中图分类号：TP372 文献标识码：A

1 引 言

当今的计算机技术和网络技术发展的速度是快速的，在这些技术快速发展的同时，产生了大量的各种属性的数据，这些数据是连续的、无界的、不定速度的流式数据，IT人员将这些数据称为数据流[2]。在网络中每天都有惊人的流量吞吐量，在这些海量的数据中可将这些数据流的属性分为三种型式，连续属性数据流、标称属性数据流和混合属性数据流。从数据流的属性角度上来看，连续属性数据流和标称属性数据流是传统意义上的数据流，而混合属性数据流是IT技术发展之际产生的新属性的数据流。……