公开(公告)号：CN107273532A

公开(公告)日：2017-10-20

申请号：CN201710509733.1

申请日：2017-06-28

Applicant: 济南大学

Inventor： 杜韬 ,  华峥 ,  牟国栋 ,  曲守宁 ,  张坤 ,  朱连江 ,  王钦

IPC: G06F17/30 ,  G06K9/62

CPC classification number: G06F17/30539 ,  G06K9/6223

Abstract: 本发明涉及一种基于密度和扩展网格的数据流聚类方法，利用Spark并行计算平台，对传统的数据流聚类算法进行了分析和改进，提出了基于密度和扩展网格的数据流聚类算法，改进了人工设置聚类参数的缺陷，可以得到任何形状的聚类，算法基本步骤如下：1、采用每个采样点的局部密度和与其他采样点的距离，确定了网格中的聚类中心数，自动确定聚类中心，避免了初始质心选取不当对聚类结果的影响；2、网格聚类以外的数据点，通过扩展网格，扩展了网格内的聚类，确保了聚类的准确性；3、引入相邻密度估计与网格边界实现网格的合并，节省内存消耗；4、采用衰减因子实时更新网格密度，反应空间数据流的演变过程。

公开(公告)号：CN107229751A

公开(公告)日：2017-10-03

申请号：CN201710507953.0

申请日：2017-06-28

Applicant: 济南大学

Inventor： 杜韬 ,  曲守宁 ,  华峥 ,  牟国栋 ,  张坤 ,  朱连江 ,  王钦

IPC: G06F17/30

CPC classification number: G06F17/30516 ,  G06F17/30445 ,  G06F17/30539 ,  G06F2216/03

Abstract: 本发明涉及一种面向流式数据的并行增量式关联规则挖掘方法，对传统静态的关联规则挖掘方法进行了改进，提出了面向动态数据流的并行增量式关联规则提取方法，其基本步骤如下：1、在原事务数据库中，根据数据对象的时序划分层次，将整个事务数据库随机划分成若干个非重叠区域；2、利用并行计算平台挖掘出局部频繁项集，生成全局候选项集，进而计算得到全局频繁项集；3、对新增数据流进行增量挖掘，使用局部剪枝的方法，减少扫描数据集次数，得到增量式全局规则。