Abstract: 针对传统数据流聚类算法自适应性不强、对问题的依赖性过高以及聚类质量不够理想、聚类效率低下等缺 陷，提出一种基于人工免疫原理的数据流聚类IMSt ream算法。该算法通过引入衰减函数和时刻权重来反映过去的 数据与当前流入的数据在整个数据流中的地位，通过计算杭体期望克隆率ECx;)来限制杭体克隆的数目以及保持抗 体的多样性，通过采取网络中的淘汰策略使最终的网络结构更符合原始数据流的内在特性。在真实数据集和人工数 据集上的实验表明，IMSt ream算法比传统的数据流聚类算法具有更好的性能。

Key words: Data stream, Clustering, Immune algorithm, Data mining