(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211094825.5 (22)申请日 2022.09.05 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市太白南路2号 申请人 中国航发四川燃气涡轮 研究院 (72)发明人 刘若辰　张锦伟　张有　王晗丁　 (74)专利代理 机构 陕西电子 工业专利中心 61205 专利代理师 王品华 (51)Int.Cl. G06K 9/62(2022.01) G06F 30/20(2020.01) (54)发明名称 基于自适应在线学习的密度数据流聚类方 法 (57)摘要 本发明公开了一种基于自适应在线学习的 数据流聚类方法， 主要解决现有技术因固定参数 及模型对参数的依赖性所导致聚类结果精度低 的问题。 其实现方案是： 根据数据流中数据信息 创建微簇； 微簇接收到一个新的数据点后使用半 径的自适应增长策略使活跃的微簇吸收更多的 数据学习微簇结构， 并通过不同类型微簇的能量 更新策略处理数据流不断演化， 使微簇能量衰减 模拟演化过程， 微簇消亡引起聚类改变； 根据改 变的微簇间距离， 实现同类数据的聚合， 输出数 据聚类结果。 本发明通过自适应调整策略对微簇 模型的参数动态调优， 在线学习数据更新微簇模 型， 提高了动态数据环境下数据流聚类的精度， 可用于互联网数据的模型学习、 网络入侵检测、 网络点击流及天气监测。 权利要求书2页 说明书8页 附图2页 CN 115496133 A 2022.12.20 CN 115496133 A 1.一种基于自适应在线学习的数据流聚类方法， 其特 征在于， 包括如下步骤： (1)接收动态数据环境下的数据流， 并将数据流中的数据按照 接收顺序， 以1000个数据 点作为一个间隔， 将数据流划分为 n个数据块， n≥3； (2)根据数据块中的第一个数据点信息单独创建一个微簇结构， 并将该微簇加入到起 始为空的微簇列表中； (3)计算数据块中其他数据点Xi逐个与微簇列表中的微簇中心 C的欧式距离d， 并将数据 点映射到欧式距离最小的微簇， 判断当前 数据点是否加入到微簇中： 若欧式距离小于被映射的微簇的最小半径R， 即d<R时， 且该微簇是缓冲区中的弱微簇， 此时微簇被激活成核心 微簇， 则将该微簇的能量变更为 1， 再将当前数据点加入到被映射的 微簇， 执行步骤(4)； 否则， 由当前数据点单独创建一个新的微簇结构， 并加入到现有的微簇列表中， 执行步 骤(5)； (4)微簇列表中的微簇 接收到一个新的数据点后， 进行 更新操作： (4a)当数据点Xi加入后， 对微簇的半径Rt进行自适应更新， 得到更新后的微簇半径最新 值Rt+1： 其中， Nt+1＝Nt+1为微簇的局部密度阈值， N ′t为微簇的空间信息计数值， Decay为微簇的 衰减因子， 的比值为自适应调整因子， Rmax为微簇最大半径； (4b)当数据点Xi位于壳区域， 即数据点在微簇中心位置[0.5*Rt+1,Rt+1]范围构成的空间 区域时， 对微簇中心Ct进行自适应更新， 得到更新后的中心最 新值Ct+1： 其中， N′t+1＝N′t+1为微簇的空间信息计数值； (4c)对微簇的能量Et进行自适应更新， 得到更新后的能量 最新值Et+1： 执行步骤(5)； (5)对微簇列表中的微簇能量E ′t进行衰减， 得到 衰减后的能量 最新值E′t+1： 执行步骤(6)； (6)根据衰减后的微簇能量 值与0的大小关系， 判断当前时刻微簇是否发生变化： 如果微簇衰减后的能量值小于0， 则该微簇发生变化， 并根据微簇的类型进行相应的变 化： 若微簇是局部密度阈值Nt大于密度阈值Nth的核心微簇， 将其变成缓冲区中弱微簇， 对弱 微簇的结构进行相应的变化； 否则， 微簇是缓冲区中的弱微簇， 将其 直接删除； 如果微簇衰减后的能量 值大于等于 0时， 则微簇不发生变化， 执 行步骤(7)； (7)计算当前微簇与微簇列表中所有微簇的相交距离d ′， 将微簇中心的欧式距离d小于 相交距离d ′的微簇加入到各自的边缘列表EL中， 即将属于相交的微簇划分为同一类， 实现权　利　要　求　书 1/2 页 2 CN 115496133 A 2对宏观集群的更新； (8)将更新宏观集群后属于同一类的结果在线输出， 完成对数据流的聚类。 2.根据权利要求书1所述的方法， 其特征在于， 所述步骤(2)中微簇结构包括中心C、 半 径R、 能量E、 局部密度阈值N、 空 间信息计数N ′和边缘列表E L， 其中， C ＝Xi， Xi为当前数据点， E ＝1， R＝Rmin， Rmin为用户输入的最小半径， N ＝1， N′＝1， EL初始化 为空集 3.根据权利要求书1所述的方法， 其特征在于， 所述步骤(6)中对弱微簇的结构进行相 应的变化， 是先将弱微簇的能量变为0.5， 再将弱微簇边缘列表中的微簇找出， 然后将微簇 与弱微簇的信息记录清除， 最后将弱微簇的边 缘列表置成空集 4.据权利要求书1所述的方法， 其特征在于， 所述步骤(7)中计算当前微簇与微簇列表 中所有微簇的相交距离d ′， 公式如下： 其中， R是当前微簇的半径， R ′是微簇列表中微簇的半径。权　利　要　求　书 2/2 页 3 CN 115496133 A 3