刘杭雨,于 洪

(重庆邮电大学 计算智能重庆市重点实验室,重庆 400065)

1 引 言

聚类分析是研究对象分类问题的一种统计分析方法,是数据挖掘中比较重要的概念,作为数据挖掘算法中常用的一种无监督的技术方法,已经广泛地应用在许多实际应用领域中,其优势在于不需要标记数据信息从而增加计算量[1].

现在数据的规模、种类、速度和复杂度都远远超过了人脑的认知能力,如何有效完成对大数据的认知,给传统聚类算法也带来了巨大挑战[2].目前大多数聚类方法只能处理静态数据,不适用于动态数据集.因而,设计一种能够处理动态流动性数据的聚类算法成为当前聚类分析领域的一个重要挑战.近年来在不同的应用领域,大量的研究已经应用增量聚类算法解决部分具体的实际问题,如异常检测[3,4],高维数据处理[5],隐私数据的增量聚类[6],基因表达数据聚类[7]等.

近年来,对大数据有效信息的获取需求越来越高,增量式方法在数据挖掘中尤其是在聚类分析中变得非常流行,解决动态数据集的聚类逐渐成为一个新的研究方向.如今,研究者们已经提出了一些增量聚类算法,Zhang C[8]等学者提出一种基于三支决策的增量聚类框架,通过基于代表点的新搜索树,在数据增加时用增量方式调整先前的聚类结果已得到新的聚类结果.Bigdeli E[9]等提出了一种增量聚类的新方法,该方法以高斯混合矩阵(GMM)的形式保存类簇信息,通过引入核心点的概念……