一种实现混合属性数据流聚类的算法
第３５卷第２期
２０１６年６月计 算 技 术 与 自 动 化ＣｏｍｐｕｔｉｎｇＴｅｃｈｎｏｌｏｇｙａｎｄＡｕｔｏｍａｔｉｏｎＶｏｌ.３５，Ｎｏ.２ Ｊｕｎ．２０１６收稿日期：２０１５－０９－０５
基金项目：北京航空航天大学软件开发环境国家重点实验室开放基金资助项目（ＳＫＬＳＤＥ－２０１３ＫＦ）
作者简介：朱俚治（１９８０—），男，江苏宜兴人，工程师，学士，研究方向：计算机网络和信息安全。
通讯联系人，Ｅ-ｍａｉｌ：ｚｌｚ＠ｎｕａａ．ｅｄｕ，．ｃｎ文章编号：１００３－６１９９（２０１６）０２－００３４－０４
一种实现混合属性数据流聚类的算法
朱俚治１ ，朱梧檟２
（１．南京航空航天大学信息中心，江苏南京 ２１００１６； ２．南京航空航天大学计算机科学与技术学院，江苏南京 ２１００１６）
摘 要：
在当今的网络中存在三种形式的数据流，连续型数据流，标称型数据流和混合属性数据流。由于目前在数据挖掘中大部分算法只能处理一种属性的数据流，而处理混合属性数据流的算法却很少，但在
数据挖掘的实际应用中常常需要将不同属性的数据流进行相互区分。事实上研究人员在区分不同属性数
据流时，首先是将不同属性的流进行聚类，其次是对不同属性的流进行识别。在查阅有了有关资料和参考
文献后，本文提出了一种对混合属性数据流的聚类算法，该算法的聚类思想是：①提取混合属性数据流的分
类属性，②使用ｋ－近邻算法计算数据流分类属性的相似性，③根据ｋ－近邻算法对数据流相似度的计算结
果，使用ｋ－均值聚类算法对混合属性数据流进行聚类，④给出聚类的算法。
关键词：混合属性数据；相似性；ｋ－近邻算法；ｋ－均值聚类；分类属性
中图分类号：ＴＰ３７２ 文献标识码：Ａ
ＡＭｉｘｅｄＡｔｔｒｉｂｕｔｅＤａｔａＳｔｒｅａｍＣｌｕｓｔｅｒｉｎｇＡｌｇｏｒｉｔｈｍｔｏＡｃｈｉｅｖｅ
ＺＨＵＬｉ-ｚｈｉ１ ，ＺＨＵＷｕ-ｊｉａ２（１．ＩｎｆｏｒｍａｔｉｏｎｃｅｎｔｅｒｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓ＆ａｍｐ；Ｎａｎｊｉｎｇ，Ｊｉａｎｇｓｕ ２１００１６，Ｃｈｉｎａ；
２．ＣｏｌｌｅｇｅｏｆｃｏｍｐｕｔｅｒｓｃｉｅｎｃｅａｎｄｔｅｃｈｎｏｌｏｇｙＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓ＆ａｍｐ；Ｎａｎｊｉｎｇ，Ｊｉａｎｇｓｕ ２１００１６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎｔｏｄａｙ＇ｓｎｅｔｗｏｒｋｔｈｅｒｅａｒｅｔｈｒｅｅｆｏｒｍｓｏｆｄａｔａｆｌｏｗ，ｉ．ｅ．，ｃｏｎｔｉｎｕｏｕｓｄａｔａｓｔｒｅａｍｓ，ｄａｔａｓｔｒｅａｍｓａｎｄｍｉｘｅｄｎｏｍｉｎａｌｔｙｐｅａｔｔｒｉｂｕｔｅｄａｔａｓｔｒｅａｍ．Ｍｏｓｔａｌｇｏｒｉｔｈｍｓｉｎｄａｔａｍｉｎｉｎｇｃａｎｏｎｌｙｐｒｏｃｅｓｓｏｎｅｆｏｒｍｒａｔｈｅｒｔｈａｎｍｉｘｅｄｆｏｒｍｓｏｆｄａ-ｔａｆｌｏｗ，ｂｕｔｐｒａｃｔｉｃａｌｌｙｉｎｔｈｅａｐｐｌｉｃａｔｉｏｎｓｏｆｄａｔａｍｉｎｉｎｇ，ｉｔｏｆｔｅｎｒｅｑｕｉｒｅｓｔｏｄｉｓｔｉｎｇｕｉｓｈｄｉｆｆｅｒｅｎｔａｔｔｒｉｂｕｔｅｓｏｆｔｈｅｄａｔａｓｔｒｅａｍ．Ｓｏｔｈｅａｕｔｈｏｒｓｐｒｏｐｏｓｅｄａｍｉｘｅｄａｔｔｒｉｂｕｔｅｄａｔａｓｔｒｅａｍｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ，ａｎｄｔｈｅｃｌｕｓｔｅｒｉｎｇｉｄｅａｏｆｔｈｅａｌｇｏｒｉｔｈｍｉｓ：①ｔｏｅｘｔｒａｃｔｍｉｘｅｄａｔｔｒｉｂｕｔｅｄａｔａｃｌａｓｓｉｆｉｃａｔｉｏｎｐｒｏｐｅｒｔｙｓｔｒｅａｍ，②ｔｏｕｓｅｋ-ｎｅａｒｅｓｔｎｅｉｇｈｂｏｒａｌｇｏｒｉｔｈｍｆｏｒｄａｔａｓｔｒｅａｍｃｌａｓｓｉｆｉｃａｔｉｏｎａｔｔｒｉｂｕｔｅｓｓｉｍｉｌａｒｉｔｉｅｓ，③ａｃｃｏｒｄｉｎｇｔｏｋ-ｎｅａｒｅｓｔｎｅｉｇｈｂｏｒａｌｇｏｒｉｔｈｍ，ｔｏｃａｌｃｕｌａｔｅｔｈｅｓｉｍｉｌａｒｉｔｙｏｆｔｈｅｒｅｓｕｌｔｓｏｆ
ｔｈｅｄａｔａｓｔｒｅａｍｕｓｉｎｇｋ-ｍｅａｎｓｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｆｏｒｍｉｘｅｄａｔｔｒｉｂｕｔｅｄａｔａｓｔｒｅａｍｐｏｌｙｃｌａｓｓ，④ｔｏｇｉｖｅｔｈｅｃｌｕｓｔｅｒｉｎｇａｌｇｏ-
ｒｉｔｈｍ．Ｋｅｙｗｏｒｄｓ：ｍｉｘｅｄａｔｔｒｉｂｕｔｅｄａｔａ；ｓｉｍｉｌａｒｉｔｙ；ｋ-ｎｅａｒｅｓｔｎｅｉｇｈｂｏｒ；ｋ-ｍｅａｎｓｃｌｕｓｔｅｒｉｎｇ；ｃｌａｓｓｉｆｉｃａｔｉｏｎｐｒｏｐｅｒｔｉｅｓ１ 引 言
当今的计算机技术和网络技术发展的速度是
快速的，在这些技术快速发展的同时，产生了大量
的各种属性的数据，这些数据是连续的、无界的、不
定速度的流式数据，ＩＴ人员将这些数据称为数据
流［２］。在网络中每天都有惊人的流量吞吐量，在这些海量的数据中可将这些数据流的属性分为三种型式，连续属性数据流、标称属性数据流和混合属性数据流。从数据流的属性角度上来看，连续属性数据流和标称属性数据流是传统意义上的数据流，而混合属性数据流是ＩＴ技术发展之际产生的新属性的数据流。网络管理人员为了从这大量的数据流中获取重要的信息，必须对这三种属性的数据流进行有效准确的识别。为了对未知属性数据流