基于有序聚類方程的數(shù)據(jù)相似性精準(zhǔn)識(shí)別仿真

張 媛,張慧鈞

(1. 黑龍江工業(yè)學(xué)院現(xiàn)代制造工程學(xué)院,黑龍江 雞西 158100;2. 延安大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院,陜西 延安 716000)

1 引言

呈現(xiàn)爆炸式增長(zhǎng)的網(wǎng)絡(luò)數(shù)據(jù)不僅增加了網(wǎng)絡(luò)中心空間的冗余度,還加重了系統(tǒng)運(yùn)行負(fù)擔(dān),加長(zhǎng)了網(wǎng)絡(luò)目標(biāo)信息的訪問時(shí)間[1]。為了優(yōu)化網(wǎng)絡(luò)環(huán)境,減少網(wǎng)絡(luò)中實(shí)際存儲(chǔ)的數(shù)據(jù)量,降低網(wǎng)絡(luò)運(yùn)行成本和能量消耗,研究人員以聚類網(wǎng)絡(luò)相似數(shù)據(jù)為目的,展開對(duì)數(shù)據(jù)相似性識(shí)別方法的研究。

李賀[2]等人通過Word2vec表示學(xué)習(xí)方法分析數(shù)據(jù)內(nèi)容的特征向量,并將特征向量輸入以K-means聚類算法和LSA模型為基礎(chǔ)構(gòu)建的數(shù)據(jù)聚類模型中,該模型通過探索特征向量間的關(guān)聯(lián)度,實(shí)現(xiàn)數(shù)據(jù)相似性識(shí)別,該方法存在識(shí)別準(zhǔn)確率低的問題。陳科山[3]等人通過典型洞庫類目標(biāo)篩選模型獲取海量數(shù)據(jù)中主要特征表述清晰的樣本數(shù)據(jù),并將其與局部自適應(yīng)閾值生成算法結(jié)合,使樣本數(shù)據(jù)的灰度特征在目標(biāo)輪廓識(shí)別方面得到全面優(yōu)化,最后將特征優(yōu)化成功的樣本數(shù)據(jù)輸入目標(biāo)判別算法中,實(shí)現(xiàn)數(shù)據(jù)相似性識(shí)別。洪征[4]等人通過網(wǎng)絡(luò)流量截獲方法獲取應(yīng)用層協(xié)議數(shù)據(jù),并根據(jù)協(xié)議數(shù)據(jù)負(fù)載特征將其劃分成多組以關(guān)鍵特征為單位的簇族,通過將各簇族輸入AGNES層次聚類算法中,實(shí)現(xiàn)數(shù)據(jù)相似性識(shí)別,上述兩種方法存在識(shí)別效率低的問題。

相似數(shù)據(jù)識(shí)別方法是對(duì)給定的一對(duì)數(shù)據(jù)序列計(jì)算兩者之間的相似度,從而度量數(shù)據(jù)之間的相似程度,在信息科學(xué)領(lǐng)域具有非常重要的應(yīng)用價(jià)值。為進(jìn)一步優(yōu)化此方法應(yīng)用下的數(shù)據(jù)存儲(chǔ)空間適應(yīng)能力以及識(shí)別的準(zhǔn)確性,提出新的基于有序聚類方程的數(shù)據(jù)相似性識(shí)別方法。

2 數(shù)據(jù)預(yù)處理

2.1 降噪

存儲(chǔ)于網(wǎng)絡(luò)中心空間的數(shù)字化信息由于受到多種外界因素的干擾,常存在含量較高的高斯白噪聲[5]。高斯白噪聲作為數(shù)據(jù)應(yīng)用領(lǐng)域常見的污染源,其對(duì)數(shù)據(jù)的惡劣影響并不僅限于降低數(shù)據(jù)收斂速度,還能通過隨機(jī)添加或消除頻域信息的方式,使數(shù)據(jù)釋放畸形信號(hào)。為了優(yōu)化操作對(duì)象,獲取可信度更高的數(shù)據(jù)相似性識(shí)別結(jié)果,需要首先利用小波技術(shù)去除數(shù)據(jù)噪聲。

小波技術(shù)是結(jié)合了改進(jìn)小波包分解[6]、小波閾、小波變換的復(fù)合型噪聲消除技術(shù),其基本降噪思路參考傅里葉變換[7],即通過在原數(shù)據(jù)基礎(chǔ)上添加足以重構(gòu)高斯白噪聲的濾波,實(shí)現(xiàn)噪聲多頻域范圍內(nèi)的有效抑制。小波技術(shù)消除數(shù)據(jù)噪聲的具體過程可以分為數(shù)據(jù)分層、數(shù)據(jù)排序和數(shù)據(jù)降噪三個(gè)步驟。

1)數(shù)據(jù)分層

未經(jīng)量化的數(shù)據(jù)通常以IGES文件格式存儲(chǔ)于網(wǎng)絡(luò)中心空間,且空間內(nèi)數(shù)據(jù)拓?fù)浣Y(jié)構(gòu)混亂,不利于小波降噪處理。在空間邊緣投放一條固定軸,且每隔兩個(gè)坐標(biāo)間隔掃描一次空間平面,使網(wǎng)絡(luò)中心空間在非人為因素的作用下轉(zhuǎn)變?yōu)樽鴺?biāo)間隔統(tǒng)一的分層結(jié)構(gòu),且各層級(jí)數(shù)據(jù)總和不超過整體含量的10%。

與網(wǎng)絡(luò)中心空間直接接觸的固定軸并不是由某一方向延伸的隨機(jī)坐標(biāo)軸,而是在統(tǒng)計(jì)數(shù)據(jù)集中程度的基礎(chǔ)上,由X、Y、Z三個(gè)方向延伸并產(chǎn)生交集后,從交集點(diǎn)坐標(biāo)發(fā)出的坐標(biāo)軸。這種方向累加的方式不僅提高了分層掃描的精確度,還降低了固定軸的誤判率。固定軸的數(shù)學(xué)描述公式如下:

(1)

式中,η2表示X軸線運(yùn)動(dòng)軌跡方程;sinθ表示Y軸線運(yùn)動(dòng)軌跡;yo表示Z軸線運(yùn)動(dòng)軌跡;yi表示集中點(diǎn)坐標(biāo);xo表示坐標(biāo)軸延伸時(shí)刻;xj表示坐標(biāo)軸停止時(shí)刻。

固定軸確定后,空間內(nèi)數(shù)據(jù)分層工作正式開始。考慮到單位層級(jí)可能存在度量誤差,從而影響層級(jí)數(shù)據(jù)總和與整體含量之間的等比關(guān)系,需要在固定軸掃描過程中添加一項(xiàng)閾值,起到限制固定軸掃描范圍的作用。閾值限制固定軸掃描范圍的數(shù)學(xué)表達(dá)式如下

(2)

式中,ki-2表示數(shù)據(jù)層數(shù);l表示固定軸桿長(zhǎng)度。

2)數(shù)據(jù)排序

在數(shù)據(jù)分層的基礎(chǔ)上排列數(shù)據(jù)。由于各層級(jí)結(jié)構(gòu)無論在數(shù)據(jù)量方面,還是在層片間拓?fù)潢P(guān)系方面均表現(xiàn)出真實(shí)、統(tǒng)一的趨勢(shì),因此任意層級(jí)的數(shù)據(jù)排序規(guī)律適用于全部層級(jí)。將待排序的層級(jí)結(jié)構(gòu)視為三維空間坐標(biāo)系中一張邊界清晰的平面圖,而其中數(shù)據(jù)則坐落于圖中各個(gè)點(diǎn)狀坐標(biāo)。鄰近坐標(biāo)間的距離是判斷數(shù)據(jù)是否符合順序化要求的標(biāo)準(zhǔn)。利用準(zhǔn)確性判斷方法[8]獲取鄰近坐標(biāo)間的距離,若該距離滿足順序化要求,則能夠與小波技術(shù)結(jié)合,實(shí)現(xiàn)高斯白噪聲消除。準(zhǔn)確性判斷方法的表達(dá)式如下

M=Io+sin(α×β)

(3)

式中,Io表示初始拓?fù)漤樞?α表示鄰近數(shù)據(jù)點(diǎn)坐標(biāo);β表示距離測(cè)量誤差。

3)數(shù)據(jù)降噪

數(shù)據(jù)降噪的具體過程如下:首先利用離散魯棒濾波器[9]向分層、排序整齊的原數(shù)據(jù)中添加足以重構(gòu)高斯白噪聲的濾波,然后將原數(shù)據(jù)與改進(jìn)小波包分解結(jié)合,誘導(dǎo)濾波抑制噪聲釋放。整個(gè)噪聲抑制過程在數(shù)據(jù)分層、排序的基礎(chǔ)上進(jìn)展高效,能夠滿足實(shí)際工程的硬性需求。離散魯棒濾波器添加濾波的數(shù)學(xué)表達(dá)式如下

K=f×2|ω|-1

(4)

式中,f表示濾波頻率;ω表示參與降噪的原數(shù)據(jù)量。

改進(jìn)小波包分解的表達(dá)式如下

(5)

式中,si表示小波重構(gòu)系數(shù);sj表示誘導(dǎo)條件;z表示粗略信號(hào)頻率。

2.2 重復(fù)數(shù)據(jù)的刪除

重復(fù)數(shù)據(jù)過于密集導(dǎo)致空間冗余度過高也會(huì)威脅數(shù)據(jù)相似性識(shí)別性能。為了創(chuàng)造良好的數(shù)據(jù)相似性識(shí)別環(huán)境,需要借助重復(fù)數(shù)據(jù)刪除技術(shù)[10]二次優(yōu)化空間內(nèi)數(shù)據(jù)。重復(fù)數(shù)據(jù)刪除技術(shù)作為計(jì)算機(jī)應(yīng)用領(lǐng)域內(nèi)擴(kuò)展數(shù)據(jù)存儲(chǔ)容量,降低數(shù)據(jù)交疊率和信息冗余度的新興數(shù)據(jù)優(yōu)化技術(shù),主要通過分塊索引的方式減小空間數(shù)據(jù)占用量和網(wǎng)絡(luò)傳送流量負(fù)載。在識(shí)別相似數(shù)據(jù)時(shí),龐大的數(shù)據(jù)規(guī)模不僅增加了一次識(shí)別過程的吞吐量,還延長(zhǎng)了識(shí)別對(duì)象的訪問時(shí)間。因此,在以識(shí)別數(shù)據(jù)相似性為任務(wù)目標(biāo)的操作過程中,刪除空間內(nèi)重復(fù)數(shù)據(jù)是十分有必要的。重復(fù)數(shù)據(jù)刪除技術(shù)的具體操作過程如下:首先根據(jù)數(shù)據(jù)重復(fù)定義擇選空間中頻繁出現(xiàn)的同屬性數(shù)據(jù),然后利用學(xué)習(xí)者模型過濾[11]。數(shù)據(jù)重復(fù)定義的擇選條件包括寫入與讀出的fid域相同、RIDI訪問記錄相同、chunkID磁盤檢索地址相同等,被判定為同屬性的重復(fù)數(shù)據(jù)會(huì)在學(xué)習(xí)者模型的作用下過濾。重復(fù)數(shù)據(jù)過濾模型為:

(6)

式中,w表示數(shù)據(jù)濾重約束條件;u表示重復(fù)數(shù)據(jù)判定流程的正確性;p表示重復(fù)數(shù)據(jù)過濾開銷。

3 數(shù)據(jù)相似性識(shí)別模型

通過構(gòu)建聚類模型的方式實(shí)現(xiàn)數(shù)據(jù)相似性識(shí)別,優(yōu)先提取數(shù)據(jù)的特征向量。經(jīng)過降噪和重復(fù)刪除的網(wǎng)絡(luò)數(shù)據(jù)在特征值比重方面較為突出,有利于采取客觀可靠的特征提取方法。

3.1 提取數(shù)據(jù)的特征向量

為了避免大規(guī)模網(wǎng)絡(luò)數(shù)據(jù)在特征向量提取時(shí)產(chǎn)生誤差,通過預(yù)設(shè)數(shù)據(jù)集中心,并把控提取范圍的方式逐步提取網(wǎng)絡(luò)數(shù)據(jù)的特征向量。在數(shù)字化信息領(lǐng)域,各種不同屬性、不同特征值比重的單標(biāo)數(shù)據(jù)由于存在不同的信息熵,因此其面對(duì)數(shù)據(jù)集預(yù)設(shè)中心時(shí),并不能給出確定、統(tǒng)一的熵衡量度,這就增加了特征提取范圍的把控難度?；バ畔㈧豙12]是建立在概率論和信息論基礎(chǔ)上的一項(xiàng)度量指標(biāo),主要表示不同屬性、不同特征值比重的兩個(gè)任意數(shù)據(jù)的依賴程度,這種依賴程度既可以是連續(xù)性變量條件下,兩數(shù)據(jù)的離散化程度,也可以是隨機(jī)變量條件下,兩數(shù)據(jù)的熵聯(lián)合度。利用EM算法獲取全部數(shù)據(jù)的互信息熵,并根據(jù)數(shù)據(jù)間的離散化程度和熵聯(lián)合度重構(gòu)網(wǎng)絡(luò)數(shù)據(jù)的幾何關(guān)系。EM算法的表達(dá)式如下

(7)

式中,gn表示單位數(shù)據(jù)的權(quán)重;gm表示數(shù)據(jù)缺失值;s表示數(shù)據(jù)稀疏性。

數(shù)據(jù)間離散化程度可以表示為

(8)

式中,e表示鄰域數(shù)據(jù)的隱變量;σij表示鄰域數(shù)據(jù)的顯變量;k表示離散吸引力。

數(shù)據(jù)間熵聯(lián)合度可以表示為

(9)

式中,ρi表示信息熵;m表示總數(shù)據(jù)的偽聯(lián)合比例;Q表示空間向量差。

空間幾何關(guān)系的重構(gòu)意味著鄰近數(shù)據(jù)離散化程度和熵聯(lián)合度的統(tǒng)一,在此基礎(chǔ)上把控特征向量的提取范圍,能夠降低特征向量提取過程的操作難度。視單位數(shù)據(jù)集預(yù)設(shè)中心及其把控范圍為一個(gè)特征向量提取主題,將各主題依次與Jelinek-Mercer平滑模型結(jié)合,模型從擬合數(shù)據(jù)查詢關(guān)鍵詞的角度迭代各主題,并輸出具有非負(fù)性和對(duì)稱性的數(shù)據(jù)特征向量。Jelinek-Mercer平滑模型的計(jì)算公式如下

(10)

式中,c′表示主題分布特征;x′表示迭代次數(shù);q表示主題內(nèi)容特性。

3.2 基于有序聚類方程的數(shù)據(jù)相似性識(shí)別

有序聚類方程又稱Fisher逐步判別分析方法[13],其算法流程簡(jiǎn)便、聚類結(jié)果精確,常被應(yīng)用于文字、圖像、視頻等多種格式的數(shù)據(jù)分類中。有序聚類方程分類數(shù)據(jù)特征向量包括兩個(gè)步驟,即計(jì)算特征向量相似度和數(shù)據(jù)相似性識(shí)別模型。

1)計(jì)算特征向量相似度

計(jì)算特征向量相似度是為了直觀感受數(shù)據(jù)間的相關(guān)程度,為后續(xù)特征向量的分類奠定基礎(chǔ)。從相似性角度來看,兩特征向量需要同時(shí)滿足時(shí)間、空間雙維度要求,才能符合相似度評(píng)定條件。特征向量的時(shí)間維度指的是數(shù)據(jù)所處面板在三維表描述過程中對(duì)應(yīng)的時(shí)間序列,由于單位數(shù)據(jù)的時(shí)間序列具有唯一性和可比性,因此通過讀取各面板對(duì)應(yīng)序列,并對(duì)比序列中各指標(biāo)的重合率,即可實(shí)現(xiàn)數(shù)據(jù)基于時(shí)間維度的相似性評(píng)定。讀取面板對(duì)應(yīng)序列的計(jì)算公式如下

V=Ptanζ(f1)

(11)

式中,P表示相似性關(guān)聯(lián)系數(shù);ζ表示時(shí)間序列的絕對(duì)量;f1表示時(shí)間序列的幾何結(jié)構(gòu)。

各指標(biāo)在時(shí)間序列中具有兩項(xiàng)重合特征,一是規(guī)范性重合,即組成時(shí)間序列的參數(shù)在連續(xù)時(shí)間節(jié)點(diǎn)下完全重合;二是對(duì)稱性重合,即組成時(shí)間序列的參數(shù)在非連續(xù)時(shí)間節(jié)點(diǎn)下呈現(xiàn)部分重合。因?yàn)橐?guī)范性重合與對(duì)稱性重合在數(shù)據(jù)相似性方面表現(xiàn)出同等合理性,因此將這兩項(xiàng)不同的重合特征都?xì)w類于時(shí)間序列。規(guī)范性重合滿足的數(shù)學(xué)表達(dá)式如下

D=(κo+κ1)?hs

(12)

式中,κo表示規(guī)范性指令;κ1表示各指標(biāo)的量化編碼;hs表示時(shí)間序列的累積能量。

對(duì)稱性重合滿足的數(shù)學(xué)表達(dá)式如下

(13)

式中,x表示對(duì)稱性指令;τ表示各指標(biāo)的位置梯度;R表示非連續(xù)時(shí)間節(jié)點(diǎn)的Cosine距離。

特征向量的空間維度指的是數(shù)據(jù)所處面板在三維表描述過程中對(duì)應(yīng)的空間位置?？紤]到特征向量關(guān)聯(lián)度并不僅限制在量綱量級(jí)相同的條件下,因此空間位置的重疊也能表述特征向量的相似性。采用Simhash[14]讀取各面板對(duì)應(yīng)空間位置,并匹配空間位置重合率較高的特征向量,即可實(shí)現(xiàn)數(shù)據(jù)基于空間維度的相似性評(píng)定。Simhash的表達(dá)式如下

(14)

空間位置重合率匹配公式如下

(15)

式中,j表示一次匹配的特征向量交通量;a表示特征向量對(duì)應(yīng)點(diǎn)坐標(biāo)。

2)數(shù)據(jù)相似性識(shí)別模型

數(shù)據(jù)相似性識(shí)別模型由點(diǎn)云分類網(wǎng)絡(luò)[15]和有序聚類方程共同組建,通過向其中添加時(shí)間、空間雙維度相似性判定清晰的數(shù)據(jù)特征向量,并將特征向量以腦神經(jīng)信息處理的方式與神經(jīng)元結(jié)合,即可實(shí)現(xiàn)特征向量的有效聚類。有序聚類方程在模型中聚類特征向量的公式如下

(16)

式中,En表示點(diǎn)云分類網(wǎng)絡(luò)神經(jīng)元數(shù)量;Em表示相似性數(shù)據(jù)的聚類容錯(cuò)率;σ2表示鄰域神經(jīng)元的歐氏距離。

根據(jù)數(shù)據(jù)相似性識(shí)別模型輸出的特征向量分類結(jié)果,即可實(shí)現(xiàn)數(shù)據(jù)相似性的有效識(shí)別。

4 實(shí)驗(yàn)與分析

以型號(hào)為G450 30033的臺(tái)式計(jì)算機(jī)及其網(wǎng)絡(luò)存儲(chǔ)磁盤為實(shí)驗(yàn)主體環(huán)境,已知數(shù)據(jù)的總存儲(chǔ)容量為400GB,其中數(shù)字化信息已經(jīng)占用的存儲(chǔ)容量為60GB。實(shí)驗(yàn)采用PostgreSQL數(shù)據(jù)庫中的數(shù)據(jù)作為識(shí)別對(duì)象,隨機(jī)選取與數(shù)據(jù)存儲(chǔ)環(huán)境相匹配的數(shù)據(jù)量,具體實(shí)驗(yàn)過程如下:

1)準(zhǔn)確率對(duì)比

歸一化互信息是通過將所得結(jié)果的最大值和最小值歸一化,并置于0～1之間,以此評(píng)估數(shù)據(jù)聚類結(jié)果相近程度的方法。歸一化互信息的值越小,說明聚類結(jié)果的相近程度越高,算法對(duì)相似性數(shù)據(jù)的識(shí)別準(zhǔn)確率越高;歸一化互信息的值越大,說明聚類結(jié)果的相近程度越低,算法對(duì)相似性數(shù)據(jù)的識(shí)別準(zhǔn)確率越低。歸一化互信息的計(jì)算公式如下

A=Y(a)/Y(b)

(17)

式中,Y(a)表示表示聯(lián)合熵;Y(b)表示個(gè)體熵。

現(xiàn)分別采用所提方法、文獻(xiàn)[2]提出的基于Word2vec表示學(xué)習(xí)的數(shù)據(jù)相似性識(shí)別方法和文獻(xiàn)[3]提出的基于目標(biāo)篩選的數(shù)據(jù)相似性識(shí)別方法識(shí)別實(shí)驗(yàn)對(duì)象中的相似性數(shù)據(jù),并計(jì)算不同方法下識(shí)別結(jié)果的歸一化互信息。不同方法的歸一化互信息如下表1所示。

表1 不同方法的歸一化互信息

如表1可知,采用所提方法識(shí)別實(shí)驗(yàn)對(duì)象的數(shù)據(jù)相似性,其歸一化互信息的值為0.12,說明所提方法的聚類結(jié)果相近程度較高,即所提方法獲取的數(shù)據(jù)相似性識(shí)別結(jié)果的準(zhǔn)確度較高。這是因?yàn)樗岱椒ㄔ谧R(shí)別數(shù)據(jù)相似性前,優(yōu)先利用小波技術(shù)和重復(fù)數(shù)據(jù)刪除技術(shù)優(yōu)化需要識(shí)別的網(wǎng)絡(luò)數(shù)據(jù),經(jīng)過優(yōu)化的數(shù)據(jù)在特征值比重方面較為突出,這樣根據(jù)優(yōu)化數(shù)據(jù)獲取的相似性識(shí)別結(jié)果的可信度更高。采用基于Word2vec表示學(xué)習(xí)的數(shù)據(jù)相似性識(shí)別方法和基于目標(biāo)篩選的數(shù)據(jù)相似性識(shí)別方法識(shí)別實(shí)驗(yàn)對(duì)象的數(shù)據(jù)相似性,二者歸一化互信息的值與所提方法存在較大差距,說明文獻(xiàn)方法的聚類結(jié)果相近程度較低,即獲取的數(shù)據(jù)相似性識(shí)別結(jié)果的準(zhǔn)確度較低。經(jīng)上述對(duì)比,可知所提方法對(duì)數(shù)據(jù)相似性的識(shí)別性能明顯優(yōu)于傳統(tǒng)方法。

2)效率對(duì)比

為了進(jìn)一步驗(yàn)證所提方法的實(shí)用性,現(xiàn)在實(shí)驗(yàn)對(duì)象中添加數(shù)字化信息,使其占用的存儲(chǔ)容量分別提升至100GB、200GB、300GB和400GB。采用所提方法、基于Word2vec表示學(xué)習(xí)的數(shù)據(jù)相似性識(shí)別方法和基于目標(biāo)篩選的數(shù)據(jù)相似性識(shí)別方法識(shí)別不同規(guī)模的實(shí)驗(yàn)對(duì)象的相似性數(shù)據(jù),并記錄不同方法對(duì)存儲(chǔ)規(guī)模并不統(tǒng)一的數(shù)據(jù)集的識(shí)別時(shí)間。不同方法的識(shí)別時(shí)間如圖1所示。

圖1 不同方法的識(shí)別時(shí)間

如圖1可見,文獻(xiàn)方法應(yīng)用下,當(dāng)數(shù)據(jù)存儲(chǔ)量逐漸增加至400GB時(shí),在1.2s內(nèi)僅能完整不到50%的數(shù)據(jù)相似性識(shí)別。相比之下,采用所提方法識(shí)別不同規(guī)模的實(shí)驗(yàn)對(duì)象,完成全部數(shù)據(jù)相似性識(shí)別的耗時(shí)均不超過0.6s,說明所提方法對(duì)相似性數(shù)據(jù)的識(shí)別效率較高,受數(shù)據(jù)量大小影響不大,具有較好的存儲(chǔ)環(huán)境適應(yīng)性能。

5 結(jié)束語

近年來,網(wǎng)絡(luò)數(shù)據(jù)的泛濫加重了計(jì)算機(jī)運(yùn)行負(fù)擔(dān),為了避免數(shù)據(jù)冗余度過高問題,提出相似性數(shù)據(jù)識(shí)別方法,能夠從時(shí)間、空間雙維度分析特征向量的相似度,并通過實(shí)驗(yàn)驗(yàn)證了該方法具有良好的應(yīng)用性能。但是,為進(jìn)一步控制冗余數(shù)據(jù)的重復(fù)存儲(chǔ),在保證數(shù)據(jù)相似性識(shí)別性能的同時(shí)對(duì)數(shù)據(jù)相似性識(shí)別過程實(shí)時(shí)監(jiān)控是日后研究的重點(diǎn)。