Fuzzy Clustering of Parallel Data Streams

Abstract

The management and processing of so-called data streams has recently become a topic of active research in several fields of computer science, notably database systems and data mining. A data stream can roughly be thought of as a transient, continuously increasing sequence of time-stamped data. In this paper, we consider the problem of clustering parallel streams of real-valued data, that is to say, continuously evolving time series. More specifically, we are interested in grouping data streams the evolution over time of which is similar in a specific sense. In order to maintain an up-to-date clustering structure, it is necessary to analyze the incoming data in an online manner, tolerating not more than a constant time delay. For this purpose, we develop an efficient online version of the fuzzy C-means clustering algorithm. A fuzzy approach appears to be particularly useful for this type of application, in which the clustering structure is subject to continuous changes.

Comparing Fuzzy Partitions: A Generalization of the Rand Index and Related Measures

“…When putting elements independently of each other into clusters, however, this is a possible scenario. And indeed, this scenario contributes to the fuzzy Rand index according to (4) and (6).…”

“…The data sets used in both experiments are taken from the UCI repository for machine learning. 4 We removed all non-numerical attributes; see Table 2 for a summary.…”

“…More concretely, the authors in [4] consider the problem of clustering data in a very high-dimensional space. To increase efficiency, they propose to map the data into a low-dimensional space first and to cluster the transformed data thus obtained afterward.…”

Algoritmos e técnicas de validação em agrupamento de dados multi-representados, agrupamento possibilístico e bi-agrupamento

“…Medidas de similaridade entre agrupamentos também são usadas para agrupamento consensual (consensus clustering), avaliação da estabilidade de agrupamento e até para a quantificação da perda de informação (Strehl e Ghosh, 2003;Monti et al, 2003;Yu et al, 2007;Beringer e Hüllermeier, 2007;). Técnicas de agrupamento consensual objetivam encontrar soluções de alta qualidade combinando várias soluções obtidas por diferentes métodos, inicializações do algoritmo ou perturbações da mesma base de dados.…”

“…Uma outra aplicação interessante para medidas de similaridade consiste na quantificação da perda de informação (Beringer e Hüllermeier, 2007). Para melhorar a efetividade de uma técnica de agrupamento (e.g., no contexto de agrupamento em fluxo de dados), pode-se mapear os dados em um espaço de menor dimensionalidade e só então realizar o agrupamento dos dados.…”