论文部分内容阅读
针对行业数据增长快、维数高且核心特征不明确等特点,提出基于Schmidt正交分解的动态正交降维算法(DOADR),在线性独立性基础上,设计自适应阈值机制以筛选基底矩阵,同时实现维数动态增长;根据流式数据的特点进一步提出增量DOADR算法优化阈值设计。真实数据集上的实验证明,算法较主流模型在计算开销、重构误差和分类准确率等指标上具有一定优势。