论文部分内容阅读
云模型是云理论的核心，数据流聚类算法在云模型中有较好的应用前景，但也面临着聚类效率、聚类适应性的难题，为此本文提出了一种有抗体免疫的云模型数据流聚类算法。通过设置加权期望值、熵等参数形成云数据特有的数据概要结构，作为抗体代人人工免疫算法中；利用衰减函数和时刻权重来定量表现不同时刻的数据的重要性程度，并以抗体期望克服率为特征值以维持抗体的多样性，采用淘汰法确保最后的数据概要结构更符合云模型数据流的本质特征。实验表明，该算法在云模型数据流中的聚类处理速度和聚类效率均优于传统算法，具有一定的应用价值。