一种基于云计算的聚类特征等值直方图的维护方法

摘要

本发明提供一种基于云计算的聚类特征等值直方图的维护方法，从聚类方法中采用不同的策略，该方法在簇的层次上优化聚类参数来定义聚类标准函数（或全局相似测量）。每个新的数据和现有簇进行比较，而不是每个数据。全局度量计算速度远远超过成对相似性度量。利用全局相似性度量的概念，对异构XML文档进行有效分组的具有层级相似的XML文档聚类（XCLS）方法。另一个XCLS的优点是它的层级结构格式，该格式是为在聚类处理中有效表述文件而开发的。为提高聚类过程速度，在层级结构式包含在标记名称中的语义将被忽略，将用编号代替。事实上，聚类过程也不包括标签的内容。新的全局标准函数，叫做LevelSim，是在聚类级别利用层级关系测量文件属性之间的相似性。实验结果表明，XCLS是一种准确，快速和可扩展的XML文档分组方法。

主权项

一种基于云计算的聚类特征等值直方图的维护方法, 其特征在于对滑动窗口进行聚类，采用反应数据结构的聚类特征等值直方图来表示，聚类特征等值直方图根据元组的到达时标将元组划分为若干个桶，每一个桶存储该组元组的聚类特征，称为时间聚类特征，时间聚类特征除了包含聚类特征外，还含有时标信息，当聚类特征等值直方图中的第一个桶的时标不再属于当前最近的N个时标内时，则删除该桶；等值直方图的维护是基于滑动窗口的，若滑动窗口未满的时候直接进行聚类操作，先进行等值直方图的删除，然后在聚类，假设新进入的XML文档概化结构x，窗口大小N，相似度阙值LevelSim，以聚类的簇为EHCF，维护步骤如下：1：判断滑动窗口大小是否等于N；2：若不等于{3：循环遍历所有EHCF与x的相似度大小；4：若大于阙值把x加入到该EHCF；5：否则继续遍历6：}若等于窗口大小N{7：找到最早进入窗口的XML文档所在的簇；8：删除该簇中最早到达的TCF；9：重复操作步骤3到5；10：}11：当3步骤找到相似度大于阙值的簇EHCF的时候，就要进行EHCF的添加工作，首先判断EHCF中最后添加的桶TCF内保存的XML文档个数是否已经达到桶的最大值，若未达到直接把x添加到该TCF中，否则在EHCF重新创建一个TCF把x加入其中；12：如果进入x的时候窗口已满，则要进行删除工作，首先根据EHCF中保存的时间戳TimeStep找到窗口内最早进入的EHCF，然后找到该EHCF中最早进入的TCF，删除这个TCF，这样窗口内就减少了n个XML文档，这样就能继续添加最近的XML文档了。