خوشه بندی جریان داده ها با استفاده از ترکیب الگوریتم های Kmeans و AutoCloud

الگوریتم AutoCloud یکی از الگوریتم های آنلاین و تک مرحله ای بازگشتی برای خوشه بندی جریان داده ها بر مبنای فاصله اقلیدسی است. این الگوریتم بر اساس مفهوم تجزیه وتحلیل داده Typicality و Eccentricity است که عمدتا برای کارهای تشخیص ناهنجاری استفاده می شود. اما دقت انجام عمل در AutoCloud در مورد برخی از مجموعه داده ها خیلی مناسب نیست. در AutoCloud، تشکیل خوشه ها می تواند در جذب نمونه داده ها تاثیرگذار باشد؛ بنابراین در این مقاله سعی شده است با اضافه کردن الگوریتم Kmeans به ابتدای AutoCloud، چک شود که آیا استفاده از Kmeans می تواند منجر به بهبود الگوریتم شود یا خیر. در این روش، تعدادی از نمونه داده های اول به صورت آفلاین و بقیه داده ها به صورت آنلاین پردازش می شوند. با این کار خوشه هایی توسط Kmeans ایجاد می شوند و بعد از آن، نمونه داده ها با Eccentricity جذب خوشه ها خواهند شد. نتایج نشان می دهد که AutoCloud، در بیشتر موارد بهتر از روش پیشنهادی عمل می کند؛ لذا فرضیه اینکه استفاده از Kmeans در AutoCloud می تواند منجر به بهبود الگوریتم شود رد می گردد و عملا نمی توان از این ایده برای افزایش کارایی الگوریتم بهره برد.

کلیدواژه ها:

خوشه بندی ، جریان داده ، تشخیص ناهنجاری ، Typicality ، Eccentricity