基于低阶近似的多维数据流相关性分析

• 作者: 刘学军 徐宏炳 王永利 董逸生 钱江波
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 数据流 典型相关性分析 低阶近似 不等概采样 数据流挖掘
• 年，卷（期）: 2006,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 293-300
• 页数: 8页
• 分类号: TP311
• 字数: 9613字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2006.02.021

摘要

目前存在的多数据流相关性分析方法大多只针对于单属性维数据流,无法体现多变量组成的场与场之间真实的相关性.为了在资源受限的环境下快速检测多维数据流之间的相关性,本文提出一种新颖的基于典型相关性分析(CCA)的多维数据流相关性分析算法StreamCCA,针对传统的CCA计算中的性能瓶颈,提出为样本方差阵与协差阵组成的乘积阵降维的高效低价近似方法,在保持分析精度的前提下显著地提高了计算效率.经理论分析和实验证明,StreamCCA能够在线精确地识别两条多维数据流的相关关系,可以作为通用的预报和诊断分析工具广泛应用于数据流挖掘领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王永利	东南大学计算机科学与工程系	17	145	6.0	11.0
3	董逸生	东南大学计算机科学与工程系	118	3003	29.0	49.0
4	徐宏炳	东南大学计算机科学与工程系	53	1077	20.0	32.0
7	刘学军	东南大学计算机科学与工程系	18	434	11.0	18.0
8	钱江波	东南大学计算机科学与工程系	20	584	14.0	20.0