中文摘要：

为迎合当前军事、经济、电信及科学计算等关键领域对其广泛涌现的不确定性数据流数据分析处理的强烈需求，本课题研究适合的不确定性数据流聚类分析及聚类演化分析方法，具有重要的理论价值和现实意义。课题开创性地研究基于Shannon熵超椭球体指标的不确定性度量方法，实现数据不确定性程度的量化描述，并在此基础上构建新的不确定性数据流模型，继而研究该模型下基于不确定加权密度树的不确定性数据流网格密度自适应聚类分析方法；同时研究基于聚类分布密度指标的不确定性数据流聚类有效性评价方法，并利用密度指数直方图实现最佳聚类数目的确定；课题创新性地研究基于灰度马尔可夫预测模型的聚类演化分析技术，实现不确定性数据流聚类演化过程的实时追踪与分析。本课题旨在通过以上研究，实现对不确定性数据流这一新兴重要数据形式进行高效准确的聚类分析处理，并通过聚类演化分析为不确定性数据流事件检测方法研究提供新的思路和探索。