《表2 不同聚类算法的训练时间对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于高斯混合模型的Web代理服务器缓存替换策略》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

s

在聚类算法的选择上，本文综合比较了K-Means聚类算法、Mini Batch K-Means算法、DBSCAN算法、GMM和Birch[17]算法的计算性能，实验结果如表2所示。可以发现GMM聚类算法在面对较大的数据集时，计算性能仅次于K-Means算法和Mini Batch K-Means算法。K-Means算法选择的初始聚类中心是随机的，在不同实验中可能产生不同的结果，不具备可重复性，因此并不适用于大型Web日志数据。Mini Batch K-means算法是K-Means算法的优化变种，训练时从数据集中随机抽取数据子集来减少计算时间，但是聚类效果也比K-Means算法稍差。DBSCAN算法是一种基于密度的聚类算法，其优点是对噪声鲁棒，能很好地拟合不同形状的数据。但是DB-SCAN算法的聚类速度较慢，无法满足Web缓存替换的高效性需求。Birch算法只需一遍扫描数据集就能建立CF Tree，并且对噪声鲁棒，聚类速度也比较快。但是对数据集的分布要求较高，不适合具有高维特征的数据集。而GMM使用均值和标准差进行计算，使得簇的形状更加灵活。而且GMM给出的是数据集中的项分布在不同簇的概率，因此可以对从Web日志数据中得到的概率进行进一步的处理，得到更好的预测效果。因此，综合考虑了计算速度和Web日志数据的特点，本文决定采用GMM来对已访问的Web日志数据进行聚类划分。