يك رويكرد در حال تكامل براي خوشه بندي جريان داده- ها مبتني بر مفهوم TEDA با استفاده از فاصله ماهالونويس

d يك الگوريتم آنالين و تك مرحلهاي بازگشتي براي خوشهبندي جريان دادهها بر مبناي فاصله اقليدسي است. اين الگوريتم بر اساس مفهوم تجزيهوتحليل داده Typicality و Eccentricity است كه عمدتاً براي كارهاي تشخيص ناهنجاري استفاده ميشود. همچنين AutoCloud قادر به مديريت كردن مشكالت ذاتي در جريان دادهها مانند رانش مفهوم و تكامل مفهوم است. ولي با توجه به اين كه دقت انجام عمل در AutoCloud در مورد برخي از مجموعهدادهها خيلي مناسب نيست، به نظر ميرسد كه استفاده از انواع فاصلههاي ديگر، مناسبتر باشد؛ بنابراين در اين مقاله سعي شده است با پيادهسازي فاصله ماهاالنوبيسي براي اين الگوريتم، چك شود كه آيا استفاده از اين فاصله ميتواند منجر به بهبود الگوريتم شود يا خير. نتايج نشان ميدهد كه اگر AutoCloud بر مبناي فاصله اقليدسي باشد، در بيشتر موارد بهتر از فاصله ماهاالنوبيسي عمل ميكند. به همين دليل استفاده از فاصله ماهاالنوبيسي در AutoCloud خيلي مؤثر نيست. اين پژوهش مشخص نمود كه استفاده از فاصله ماهاالنوبيسي در انجام AutoCloud ،نميتواند در تشخيص ناهنجاريها كمك شاياني كند