Ниссенбаум О.В. Харченко А.М.
Адаптивное определение параметров алгоритма кластеризации потоков данных, взвешенных по времени.
Докладчик: Ниссенбаум О.В.
На основании динамического ЕМ-алгоритма [1,2] построен алгоритм кластеризации для потока данных, взвешенных по времени поступления [3]. Алгоритм предназначен для кластеризации данных с нормальным распределением в Rn, параметры которого изменяются во времени, что соответствует ситуации в реальных динамических системах, таких как компьютерные системы, сети связи и т.п. Хранения обработанных данных не требуется, алгоритм эффективно вычислим, может применяться в системах реального времени.
В качестве весовой функции данных от времени t, прошедшего с момента поступления, выбрана экспоненциальная функция w(t)=e-at, t≥0, обеспечивающая эффективно вычислимый пересчет параметров кластеров в момент поступления новой точки, накопление весов точек в параметрах кластера и, как следствие, отсутствие необходимости хранения обработанных точек.
Получен адаптивный эвристический алгоритм определения параметра весовой функции a.
Проведен ряд экспериментов на имитационной модели потока c нормальной плотностью распределения кластеров с изменяющимися параметрами распределения (среднее и ковариационная матрица), с целью разработанного алгоритма.
Список литературы
- J. Chandrika, K.R. Ananda Kumar. Dynamic Clustering Of High Speed Data Streams // International J. of Comp. Sc. Issues. Vol. 9, No.1, pp.224-228, 2012.
- Mingzhou Song, Hongbin Wang. Highly efficient incremental estimation of Gaussian mixture models for online data stream clustering // Proceedings of SPIE 5803. – 2005. – P.174-183.
- О.В. Ниссенбаум. Алгоритм кластеризации потока данных с изменяющимися параметрами распределения \\ Вестник ТюмГУ –2013. – №6. – С.180-186.
| Тезисы доклада: | abstracts_247377_ru.pdf |
К списку докладов
