数据流软聚类理论及其在瓦斯灾害预警中的应用

摘要

针对现有数据流聚类算法的不足，提出一种基于云模型的数据流软聚类算法。从云概要数据结构、数据流软聚类算法，数据流软聚类的演化分析、孤立点挖掘、有效性评价以及多数据流聚类分析几方面进行了研究，并将该算法应用于瓦斯灾害预警中。
　　提出了一种对数据流进行摘要表示的方法。通过云概要数据结构将数据在时间衰减权向量下进行了软划分，实现了云概要数据结构的表示、构建与维护。
　　提出了基于云模型的数据流软聚类算法。算法在线数据处理层完成了对数据流信息摘要的提取，基于隶属度表示了数据对软微簇的隶属关系;离线聚类层通过寻找最大相似度的两个相邻软微簇进行合并以得到最终的软聚类结果。在真实和人工数据集上进行了应用与性能测试，实验结果表明:算法具有良好的效果和很高的效率。
　　对基于云模型的数据流软聚类算法进行了拓展。提出了聚类生命周期的概念，从基于特征和基于增量二方面对聚类进行了演化分析;提出了局部隶属度孤立系数的概念，通过局部隶属度孤立系数实现了对孤立点的快速检测并对其产生原因进行了分析;提出了一种聚类有效性函数，克服了现有聚类评价指标的局限性，实现了对聚类的高效评价。
　　提出了基于相关性的多数据流聚类算法。引入具有层次特点的数据云结点结构表示不同粒度的数据子序列;以各数据流的多层云结点数据结构实现了基于同步局域相关和异步局域相关的多数据流聚类。实验证明算法在处理多数据流聚类时有较高的聚类质量和稳定性。
　　将基于云模型的数据流软聚类算法应用于瓦斯灾害报警与评价。提出了瓦斯监测数据流聚类分析应用系统的框架;实现了对瓦斯监测数据流的预处理;实现了根据监测数据流的灾害预警及安全等级评价。算法的实际应用为带有“数据流特征”的信息聚类问题提供了有应用价值的处理方法。
　　最后，对全文进行了总结，并对有待于进一步研究的问题进行了展望。

目录

声明

致谢

摘要

1 绪论

1．1 论文选题背景及意义

1．2 数据流研究国内外进展

1．2．1 数据流研究概述

1．2．2 数据流模型分析

1．2．3 数据流聚类分析面临的挑战

1．3 论文的研究内容和创新点

1．4 论文的组织结构

2 基本理论概述

2．1 聚类概述

2．1．1 聚类数学模型

2．1．2 传统聚类算法

2．1．3 数据流聚类算法

2．2 云理论概述

2．2．1 云理论

2．2．2 云模型

2．2．3 云发生器

2．2．4 云变换

2．3 本章小结

3 基于云模型的数据流软聚类

3．1 引言

3．2 云概要数据结构

3．2．1 问题分析

3．2．2 云概要数据结构的构建

3．2．3 云概要数据结构的维护

3．2．4 改进的云概要数据结构算法

3．3 数据流软聚类算法

3．3．1 软聚类结果的生成

3．3．2 算法理论分析

3．4 实验结果与性能分析

3．4．1 实验设置

3．4．2 内存开销

3．4．3 处理时间

3．4．4 聚类效果

3．5 本章小结

4 基于云模型数据流软聚类的拓展

4．1 引言

4．2 数据流聚类演化分析

4．2．1 基于特征的演化分析

4．2．2 基于增量聚类的演化分析

4．3 孤立点挖掘

4．3．1 孤立点检测

4．3．2 孤立点分析

4．3．3 理论分析与实验分析

4．4 数据流聚类有效性评价

4．4．1 聚类评价有效性指标

4．4．2 基于云模型的数据流软聚类有效性指标

4．4．3 理论分析与实验分析

4．5 本章小结

5 基于相关性的多数据流聚类

5．1 引言

5．2 基本定义

5．3 多数据流聚类

5．3．1 同步局域相关多数据流聚类

5．3．2 异步局域相关多数据流聚类

5．4 理论分析与实验分析

5．5 本章小结

6 瓦斯灾害报警与安全评价

6．1 引言

6．2 瓦斯监测数据流聚类分析应用系统设计

6．3 瓦斯监测数据流预处理

6．3．1 瓦斯监测数据流的基本特点

6．3．2 瓦斯监测数据流预处理

6．3．3 瓦斯监测数据流预处理实例分析

6．4 瓦斯浓度数据流云概要数据结构

6．5 瓦斯浓度数据流软聚类

6．6 本章小结

7．2 未来工作的展望

参考文献

作者简历

学位论文数据集