基于对比学习的在线数据流无监督特征选择方法

本发明提供一种基于对比学习的在线数据流无监督特征选择方法，包括：获取待处理数据集，并进行数据预处理；将预处理后的待处理数据集均匀划分为数据块；将所述数据块作为持续输入，在线更新原型和数据分布，基于更新后的原型和更新后的数据分布构建在线特征选择模型；求解所述在线特征选择模型，得到当前特征选择矩阵；数据流结束后，得到最终的特征选择矩阵，生成特征选择的索引集；基于所述特征选择后的索引集进行聚类，计算聚类准确率。本发明的方法提高了对新数据的适应性和已学知识的抗遗忘性。