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，Stre~nCCA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。

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 

单位：东南大学计算机科学与工程系; 江苏南京210096; 佳木斯大学公共计算机教研部; 黑龙江佳木斯154007