计算机应用研究

作者：屠莉,陈崚,

单位：1.江阴职业技术学院计算机科学系,江苏江阴214405；2.扬州大学信息工程学院,江苏扬州225127；3.南京大学软件新技术国家重点实验室,南京210093；

关键词：不确定数据流,聚类,衰减窗口,采样机制,密度网格,网络入侵,

基金：国家自然科学基金项目(61702441)；江苏省自然科学基金项目(BK20201430)；；

针对现实不确定数据流具备分布非凸性和包含大量噪声等特点，提出不确定数据流聚类算法Clu_Ustream（clustering on uncertain stream）来解决对近期数据进行实时高效聚类演化问题。首先，在线部分利用子窗口采样机制采集滑动窗口中的不确定流数据，采用双层概要统计结构链表存储概率密度网格的统计信息；然后，离线聚类过程中通过衰减窗口机制弱化老旧数据的影响，并定期对窗口中的过期子窗口进行清理；同时采用动态异常网格删除机制有效过滤离群点，从而降低算法的时空复杂度。在模拟数据集和网络入侵真实数据集上的仿真结果表明，Clu_Ustream算法与其他同类算法相比具有较高的聚类质量和效率。

来源：2021年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第9期