nach oben

Erschienen in:

2018 | OriginalPaper | Buchkapitel

Robust On-Line Streaming Clustering

verfasst von : Omar A. Ibrahim, Yizhuo Du, James Keller

Erschienen in: Information Processing and Management of Uncertainty in Knowledge-Based Systems. Theory and Foundations

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

With the explosion of ubiquitous continuous sensing, on-line streaming clustering continues to attract attention. The requirements are that the streaming clustering algorithm recognize and adapt clusters as the data evolves, that anomalies are detected, and that new clusters are automatically formed as incoming data dictate. In this paper, we extend an earlier approach, called Extended Robust On-Line Streaming Clustering (EROLSC), which utilizes both the Possibilistic C-Means and Gaussian Mixture Decomposition to perform this task. We show the superiority of EROLSC over traditional streaming clustering algorithms on synthetic and real data sets.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Model Averaging Approach to Forecasting the General Level of Mortality

Nächstes Kapitel T-Overlap Functions: A Generalization of Bivariate Overlap Functions by t-Norms

Silva, J.A., Faria, E.R., Barros, R.C., Hruschka, E.R., de Carvalho, A.C.P.L.F., Gama, J.: Data stream clustering: a survey. ACM Comput. Surv. 46(1), 13–31 (2013)CrossRef

Moshtaghi, M., Leckie, C., Bezdek, J.C.: Online clustering of multivariate time-series. In: Proceedings of SIAM International Conference on Data Mining, pp. 360–368 (2016)

MacQueen, J.: Some methods for classification and analysis of multivariate observations. In: Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, vol. 1, no. 14, pp. 281–297 (1967)

Ibrahim, O.A., Shao, J., Keller, J.M., Popescu, M.: A temporal analysis system for early detection of health changes. In: IEEE International Conference on Fuzzy Systems, FUZZ-IEEE, pp. 186–193 (2016)

Theodoridis, S., Koutroumbas, K.: Basic Sequential Algorithmic Scheme (BSAS). Academic Press, London (1999)

Theodoridis, S., Koutroumbas, K.: Pattern Recognition. Academic Press, London (2006)MATH

Guha, S., Meyerson, A., Mishra, N., Motwani, R., O’Callaghan, L.: Clustering data streams: theory and practice. IEEE Trans. Knowl. Data Eng. 15(3), 515–528 (2003)CrossRef

Aggarwal, C.C., Han, J., Wang, J., Yu, P.S.: On clustering massive data streams: a summarization paradigm. In: Aggarwal, C.C. (ed.) data streams. Advances in Database Systems, vol. 31, pp. 9–38. Springer, Boston (2007). https://doi.org/10.1007/978-0-387-47534-9_2CrossRef

Ailon, N., Jaiswal, R., Monteleoni, C.: Streaming k-means approximation. In: Neural Information Processing Systems, vol. 22, pp. 10–18 (2009)

10.

Salehi, M., Leckie, Christopher A., Moshtaghi, M., Vaithianathan, T.: A relevance weighted ensemble model for anomaly detection in switching data streams. In: Tseng, V.S., Ho, T.B., Zhou, Z.-H., Chen, A.L.P., Kao, H.-Y. (eds.) PAKDD 2014. LNCS (LNAI), vol. 8444, pp. 461–473. Springer, Cham (2014). https://doi.org/10.1007/978-3-319-06605-9_38CrossRef

11.

Ackerman, M., Dasgupta, S.: Incremental clustering: the case for extra clusters. In: Advances in Neural Information Processing Systems, pp. 307–315 (2014)

12.

Angelov, P., Zhou, X.: Evolving fuzzy-rule-based classifiers from data streams. IEEE Trans. Fuzzy Syst. 16(6), 1462–1475 (2008)CrossRef

13.

Ho, S.-S.: A martingale framework for concept change detection in time-varying data streams. In: Proceedings of the International Conference on Machine Learning, pp. 321–327 (2005)

14.

Krishnapuram, R., Keller, J.M.: A possibilistic approach to clustering. IEEE Trans. Fuzzy Syst. I(2), 98–110 (1993)CrossRef

15.

Yang, M.-S., Lai, C.-Y.: A robust automatic merging possibilistic clustering method. IEEE Trans. Fuzzy Syst. 19(1), 26–41 (2011)CrossRef

16.

SensorScope (2007). http://lcav.epfl.ch/page-86035-en.html

17.

Lichman, M.: UCI Machine Learning Repository. School of Information and Computer Science, University of California, Irvine, CA (2013). http://archive.ics.uci.edu/ml

Titel: Robust On-Line Streaming Clustering
verfasst von: Omar A. Ibrahim
Yizhuo Du
James Keller
Verlag: Springer International Publishing
Buch: Information Processing and Management of Uncertainty in Knowledge-Based Systems. Theory and Foundations
Print ISBN: 978-3-319-91472-5

Electronic ISBN: 978-3-319-91473-2

Copyright-Jahr: 2018
DOI: https://doi.org/10.1007/978-3-319-91473-2_40

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"