特征合并分裂增量式并行动态MCA解决方案

针对传统变换矩阵的奇异值分解(SVD)或特征值分解(EVD)方法不适合大型或者顺序数据集的处理,对数据特征关联结构变化无法适应的问题,提出特征合并分裂增量式并行动态MCA解决方案。该算法包含两个改进形式:提出特征EVD合并分裂及SVD特征融合方案,建立精确的并行MCA流程设计;在MCA流程中修订并嵌入两增量EVD和SVD分解的方法,允许增量更新现有MCA解决方案,获得近似但非常准确的解决方案,适于具有积累效应的数据流处理。通过实验验证了该方法的有效性,并对算法在斧头湖水质分析中的应用进行研究。