APPROCCIO DI DATA MINING BASATO SULLO STREAM MINING

Il clustering è una delle tecniche più importanti del data mining. Ha lo scopo di suddividere i dati in gruppi di oggetti simili. Questo viene definito cluster. Questa ricerca confronta l'algoritmo StreamKM++ con i lavori esistenti come AP IAPKM e IAPNA. L'algoritmo StreamKM++ è un nuovo algoritmo di clustering del flusso di dati e costruisce un buon clustering del flusso utilizzando una piccola quantità di memoria e di tempo.Molti ricercatori hanno svolto il loro lavoro con un algoritmo di clustering statico ma in tempo reale i dati sono di natura dinamica. Come i blog le pagine web gli audio e i video ecc... Per questo motivo la tecnica statica convenzionale non supporta l'ambiente in tempo reale. In questo lavoro viene utilizzato l'algoritmo StreamKM++ che raggiunge elevate prestazioni di clustering rispetto ai tradizionali AP IAPKM e IAPNA. I risultati sperimentali mostrano che l'algoritmo StreamKM++ ottiene il miglior risultato rispetto ai lavori esistenti. Ha aumentato il tasso di accuratezza medio e ha ridotto il tempo di calcolo la memoria e il numero di iterazioni.