1、隨著計算機科學的逐步成熟和信息社會需求的提高，人們需要在日益龐大的信息中發(fā)現(xiàn)對決策有用的知識，數(shù)據(jù)挖掘作為一門新興的交叉學科應(yīng)運而生；隨著信息技術(shù)的高速發(fā)展和互聯(lián)網(wǎng)逐漸深入和廣泛的應(yīng)用，人們所面對的信息越來越多地包含以流的形式產(chǎn)生的數(shù)據(jù)，數(shù)據(jù)挖掘不僅僅需要處理存放在數(shù)據(jù)庫中的那些“過時”的靜態(tài)數(shù)據(jù)，而且面對著一種新的數(shù)據(jù)形式——在線實時數(shù)據(jù)流。數(shù)據(jù)流是由一系列連續(xù)且有序的數(shù)據(jù)組成的序列，具有數(shù)據(jù)量無限、到達速度快、不可再現(xiàn)等特點。因此，

2、如何有效地處理數(shù)據(jù)流，成為數(shù)據(jù)挖掘面臨的新挑戰(zhàn)，也得到這一研究領(lǐng)域的廣泛關(guān)注。 由于存儲空間的有限性與數(shù)據(jù)流的無限性，使得存儲數(shù)據(jù)流中的全部數(shù)據(jù)以提供精確的挖掘結(jié)果是不實際的。因此，在數(shù)據(jù)流處理模型中，數(shù)據(jù)流挖掘算法只存儲數(shù)據(jù)流的概要信息，并隨著流中數(shù)據(jù)不斷到來，不斷更新流概要，同時根據(jù)用戶的查詢要求，利用所維護的數(shù)據(jù)流概要信息，為用戶提供近似的查詢結(jié)果。 數(shù)據(jù)挖掘中聚類分析是一個重要的課題，并在數(shù)據(jù)挖掘的發(fā)展趨勢中發(fā)揮

3、著重要的作用。數(shù)據(jù)挖掘技術(shù)是面向應(yīng)用的，它最終需要應(yīng)用到現(xiàn)實世界中的數(shù)據(jù)上，而真實數(shù)據(jù)往往具備許多屬性，這就造成數(shù)據(jù)挖掘所處理的往往是多維數(shù)的數(shù)據(jù)。針對數(shù)據(jù)的多維性，不同的聚類算法采取了不同的處理技術(shù)。 針對多維數(shù)據(jù)流的聚類算法必須滿足更高的要求，在處理多維數(shù)數(shù)據(jù)的同時，還要保證算法的時間、空間效率以適應(yīng)數(shù)據(jù)流。對此，本文主要進行具有多維數(shù)的數(shù)據(jù)流環(huán)境下的聚類分析方法的研究，研究內(nèi)容可概括為以下三個方面： (1)針對多維

4、數(shù)據(jù)流的特點，探討了數(shù)據(jù)流挖掘中的窗口機制，分析了典型的多維數(shù)據(jù)流聚類算法CellTree算法的優(yōu)缺點，提出了一種新的內(nèi)存模型結(jié)構(gòu)LISTTREE。 (2)基于數(shù)據(jù)結(jié)構(gòu)LISTTREE提出一種新的多維數(shù)據(jù)流聚類算法LTC，并利用多線程編程方法極大程度地模擬在線處理數(shù)據(jù)流，以檢驗新算法。 (3)對CellTree算法和LTC算法進行了對比實驗，通過對實驗結(jié)果詳細全面的比較，分析了這兩個算法的效率和聚類效果。 實驗表