史玲娟，黄德才

(浙江工业大学 计算机科学与技术学院，杭州 310023)

1 引 言

随着信息技术的快速发展，数据流模型在互联网数据传输、大型零售业销售信息、无线传感器网络[1,2]等众多领域中得到应用，并产生了大量不确定数据流.数据的不确定性主要由测量仪器误差、外部干扰、数据丢失、数据集成等内在和外在因素造成数据不可靠、随机、模糊、不完整等特性.

不确定数据流中的不确定数据模型一般可分为元组级(或存在级)不确定性(TLU)模型和属性级不确定性(ALU)模型.TLU描述了不确定元组存在的可能性概率，而不确定元组的属性值是确定性的.因此，仅将表示元组存在概率的概率维度加入到TLU的元组模型中.属性值的不确定性可以用ALU模型来描述[3]，已有的ALU模型通常有两种形式：一种是在ALU模型中加入属性值不确定性的分布函数，另一种是加入区间数(或者由区间数衍生而来的三角模糊数和梯形模糊数)表示的属性值不确定性.位置不确定数据属于属性级不确定性的研究范畴，但它是一种新的不确定数据类型，无法用已有的ALU模型准确描述，因此需要研究新的模型来对其进行合理描述.

不确定数据流聚类算法是一个重要的研究课题，在学术界引起了众多研究者的关注.最近有大量的数据流聚类研究项目，这些研究项目产生了许多成功的算法[4].

针对存在级不确定数据流聚类问题，戴东波等[5]提出了P-Stream算法，基于不确定数据期望设置微簇……