摘要：现存的多维数据流典型相关分析（Canonical Correlation Analysis,简称CCA）算法主要是基于近似技术的求解方法,本质上并不是持续更新的精确算法.为了能在时变的环境中持续、快速而精确地跟踪数据流之间的相关性,本文提出一种多维数据流典型相关跟踪算法TCCA.该算法基于秩2更新理论,通过并行方式持续更新样本协方差矩阵的特征子空间,进而实现多维数据流典型相关的快速跟踪.理论分析及仿真实验结果表明,TCCA具有较好的稳定性、较高的计算效率和精度,可以作为基本工具应用于数据流相关性检测、特征融合、数据降维等数据流挖掘领域.

关键词：多维数据流 典型相关分析 秩2更新 快速跟踪 特征子空间 

单位：哈尔滨工程大学计算机科学与技术学院; 黑龙江哈尔滨150001