随着大数据时代的到来,数据流在很多领域得到应用,作为数据挖掘领域的一大分支,数据流聚类成为一项意义深远而且具有挑战性的任务。现实生活中大部分数据流都是混合属性数据,然而大多数算法都是建立在只有数值属性数据或者只有分类属性数据的基础上。此外数据流的高维、海量、动态、快速等特性对数据流聚类提出了更高的要求。因此,建立高效的混合属性数据流聚类算法,是当前数据流挖掘领域的一个重要任务。为了能用较少的执行时间获得高质量的聚类结果,本文首先对混合属性数据流进行处理,并在此基础上给出了基于合并剪枝的数据流聚类算法,主要研究内容如下:第一,对混合属性数据流进行降维处理。针对现实生活中大部分数据流既有数值属性数据也有分类属性数据的情况,本文提出一种属性映射方法,将分类属性数据转换为数值属性数据,此时数据流将只包含数值属性数据。然后在此基础上,采用min-max标准化方法对所有数值属性数据进行标准化处理,以消除数据之间量纲不一致的问题。最后提出一种改进的局部线性嵌入降维方法将标准化后的数据进行降维,通过引入调和测地线距离取代欧氏距离计算每个样本点的6)近邻,使样本点的整体分布趋于均匀化。第二,提出了基于合并剪枝的数据流聚类算法。针对两阶段式数据流聚类方法在在线阶段微簇维护的过程中耗费大量时间的问题,本文结合混合属性数据流处理过程,提出一种合并剪枝的数据流聚类算法。首先,算法在在线阶段采用一种新的微簇特征向量作为数据结构,来存储数据流概要信息;然后,提出一种合并算法将新到达的数据合并到合适的微簇中,提出一种剪枝算法将长时间未接收数据的微簇删除,以保持有限数量的微簇;最后,在离线阶段响应用户请求,使用密度峰值聚类方法进行最终聚类。第三,设置实验对算法的效果进行评估。通过使用KDDCUP99数据集和银行营销数据集,在两种数据流环境下对本文算法的效果进行评估。实验结果表明,本文算法在聚类纯度、兰德指数、F-measure和执行时间方面与Clu Stream算法及Den Stream算法进行对比具有一定优势。