스트리밍 데이터 클러스터링 알고리즘 개요

초록

**
본 논문은 데이터 스트림 환경에서 클러스터링을 수행하기 위한 기존 알고리즘들을 정리하고, 스트리밍 특성(단일 패스, 제한된 메모리) 하에서 적용 가능한 방법들을 소개한다. k‑medoids·k‑means 계열, CLARA·CLARANS, BIRCH, CURE 등 대표적인 파티셔닝·계층형·그리드·모델 기반 기법을 검토하고, 시간 시계열 데이터와 스트림 데이터의 차이점 및 정의를 제시한다.

**

상세 분석

**
논문은 데이터 스트림을 “연속적으로 도착하며 저장이 비현실적인 대용량 시계열”으로 정의하고, 이러한 환경에서 클러스터링이 왜 중요한지를 설득력 있게 서술한다. 특히 스트림 특성인 단일 패스와 제한된 메모리를 강조하며, 기존 정적 데이터용 알고리즘을 그대로 적용했을 때 발생하는 차원 폭발·연산량 과다 문제를 지적한다.

알고리즘 별 분석에서는 k‑medoids 계열(PAM, CLARA, CLARANS)이 샘플링 기반으로 메모리 요구를 낮추려 하지만, 스케일링 한계와 샘플링 편향으로 스트림에 직접 적용하기엔 부적합함을 명확히 한다. k‑means는 구현이 간단하고 빠르지만, 고차원 시계열에 대한 거리 측정이 불안정하고, 클러스터 수 k를 사전에 알아야 하는 제약이 있다.

BIRCH는 CF‑Tree라는 압축 구조를 이용해 온라인 삽입과 다중 패스를 결합, 메모리 사용을 O(N) 수준으로 유지한다는 장점이 있다. 그러나 트리 파라미터(B, T)의 튜닝이 데이터 특성에 민감하고, 트리 자체가 메모리 한계에 도달하면 성능이 급격히 저하될 위험이 있다.

CURE는 대표 포인트를 샤링하고 축소해 비구형 클러스터를 포착하는 계층형 접근법으로, 이상치에 강인하지만 대표 포인트 수(c)와 축소 비율(α) 선택이 경험적이며, 스트림 환경에서 지속적인 대표점 업데이트 비용이 무시될 수 없다.

전반적으로 논문은 각 알고리즘의 핵심 아이디어와 스트림 적용 시 고려사항을 정리했지만, 최신 스트리밍 전용 기법(예: DenStream, CluStream, D-Stream 등)과 비교 분석이 부재하다. 또한 실험 설계·평가 결과가 전혀 제시되지 않아, 제안된 정리의 실용성을 검증하기 어렵다. 향후 연구에서는 시간 창(window) 관리, 개념 드리프트 감지, 분산 스트림 처리와 같은 실제 스트리밍 시스템에서 필수적인 요소들을 포함한 평가가 필요하다.

**