基于可擴(kuò)展子空間學(xué)習(xí)的數(shù)據(jù)流聚類方法

摘要： 傳統(tǒng)數(shù)據(jù)流聚類方法缺乏對(duì)高維數(shù)據(jù)的在線降維能力，導(dǎo)致其聚類性能受限。為解決此問(wèn)題，提出了一種基于可擴(kuò)展子空間學(xué)習(xí)的數(shù)據(jù)流聚類方法(Scalable Subspace Learning for Clustering Data Streams, S~2LCStream)。首先，通過(guò)可擴(kuò)展子空間學(xué)習(xí)建立歷史數(shù)據(jù)與新增數(shù)據(jù)之間的投影關(guān)系，將新增數(shù)據(jù)投影至歷史數(shù)據(jù)張成的子空間中，以實(shí)時(shí)獲... （共8頁(yè)）