马叶倩;

为了解决图匹配网络数据流在动态变化环境下难以实现高效精准聚类的问题，提出基于K-Means的图匹配网络数据流聚类算法。利用数据流归一化函数，通过求和平均输出数据流的特征，建立图匹配网络数据流聚类交叉匹配结果。将交叉匹配结果一致的数据归纳到一个聚类簇中，并计算簇内图节点平方偏差之和的最小值，并基于K-Means量化网络数据流匹配结果聚类索引。通过权重阈值、离群衰减因子，生成网络数据流索引离群簇聚类判断逻辑，从而实现图匹配网络数据流的有效聚类。最终的聚类结果显示，在不同K值下，当时间单元达到60后，聚类纯度超过90%,聚类效果良好。证实了所提算法在动态数据流场景下展现出较强的鲁棒性和适应性，为复杂网络环境中的数据流分析提供了有效的技术支撑。

2026年03期 v.23;No.109 12-21页 [查看摘要][在线阅读][下载 1083K]