數(shù)據(jù)流挖掘目錄數(shù)據(jù)流挖掘簡介2數(shù)據(jù)流挖掘算法數(shù)據(jù)流挖掘的應用教學內(nèi)容數(shù)據(jù)流挖掘數(shù)據(jù)流挖掘簡介數(shù)據(jù)流挖掘的應用3數(shù)據(jù)流挖掘算法數(shù)據(jù)流定義數(shù)據(jù)流特點數(shù)據(jù)流挖掘概念傳感器網(wǎng)絡網(wǎng)絡流量分析聚類算法數(shù)據(jù)流分類算法數(shù)據(jù)流挖掘簡介了解數(shù)據(jù)流的定義、特點理解數(shù)據(jù)流挖掘的概念數(shù)據(jù)流挖掘的算法了解聚類算法了解數(shù)據(jù)流分類算法Step1Step2Step34教學要求數(shù)據(jù)流挖掘的應用了解在傳感器網(wǎng)絡中的應用了解在網(wǎng)絡流量分析中的應用一、數(shù)據(jù)流挖掘簡介一個實時的、連續(xù)的、潛在無界的、不確定的、隨時間變化的數(shù)據(jù)項的序列，又稱流數(shù)據(jù)或流式數(shù)據(jù)。其到達的速度可能突然發(fā)生變化、數(shù)據(jù)流的更新通常以插入為主。5（一）數(shù)據(jù)流概念數(shù)據(jù)流中的數(shù)據(jù)元素是聯(lián)機實時、快速到達的;

系統(tǒng)無法控制將被處理的數(shù)據(jù)元素的到達次序;

數(shù)據(jù)規(guī)模宏大,不可能把所有的數(shù)據(jù)都放入內(nèi)存甚至是硬盤；

數(shù)據(jù)流中的數(shù)據(jù)元素一旦被處理，要么丟棄，要么存檔。除非顯示地存儲在內(nèi)存里，否則很難檢索，因為內(nèi)存相對于數(shù)據(jù)流的尺寸要小得多。6（二）數(shù)據(jù)流的特點由于數(shù)據(jù)流自身的特性，數(shù)據(jù)流挖掘已經(jīng)成為數(shù)據(jù)挖掘的一個新的研究方向。數(shù)據(jù)流挖掘就是在數(shù)據(jù)流上發(fā)現(xiàn)提取隱含在其中的、人們事先不知道的、但又潛在有用的信息和知識的過程。7（三）數(shù)據(jù)流挖掘的概念二、數(shù)據(jù)流挖掘的算法聚類是在預先不知道劃分類的情況下根據(jù)信息相似度原則將信息分成簇的過程。同一個簇中的對象之間具有很高的相似度，而不同簇中的對象高度相異。流數(shù)據(jù)動態(tài)增量的進入系統(tǒng)使得對數(shù)據(jù)流的聚類必須增量更新，而且只能在有限的空間上對其進行單次掃描。8（一）聚類算法數(shù)據(jù)流上的分類就是提出一個分類模型，通過單遍掃描數(shù)據(jù)流，持續(xù)地利用分類模型將數(shù)據(jù)流對象影射到某一個給定的類別中。一種是使用恒定的內(nèi)存大小和時間處理每個樣本，有效地解決了時間、內(nèi)存和樣本對數(shù)據(jù)挖掘；另一種引入了滑動窗口技術(shù)，增加了對數(shù)據(jù)產(chǎn)生過程中變化趨勢的監(jiān)測，使算法更好的適應對高速、隨時間變化數(shù)據(jù)流的分類。9（二）數(shù)據(jù)流分類算法三、數(shù)據(jù)流挖掘的應用10典型的數(shù)據(jù)流應用領(lǐng)域如下：1.傳感器網(wǎng)絡可用于地理位置監(jiān)控、公路擁塞監(jiān)控、運動物追蹤、生命信號的醫(yī)療監(jiān)控和制造過程的超級監(jiān)控。這些應用都涉及復雜的過濾和發(fā)現(xiàn)數(shù)據(jù)中異常模式的被激活的報警設(shè)置。112.網(wǎng)絡流量分析實時分析Internet流量的特殊網(wǎng)絡已經(jīng)被使用。與傳感器網(wǎng)絡功能相同的是：多個數(shù)據(jù)源到達的數(shù)據(jù)連接、包監(jiān)控、包過濾