一种用于重叠结构发现的增量重叠聚类构建方法

本申请涉及一种用于重叠结构发现的增量重叠聚类构建方法。获取高维增量数据，采用泊松衰减先验对高维增量数据中的批内新增簇进行自适应初始化；引入中餐馆过程，对批内新增簇的低置信度样本执行动态建簇与重叠分配；对动态建簇与重叠分配之后的高维增量数据进行批次内簇中心和权重参数迭代优化，得到更新聚类，将批次内重叠聚类结果、簇中心和权重参数继承到新批次数据，重复上述过程直至所有批次数据结束。将最大后验目标函数依次分解为“泊松衰减初始化—CRP扩展—参数优化”三阶段，从而在单遍数据流环境下实现稳定收敛与高效计算。能够继承历史簇表示与累计权重，无需回放历史样本，即可在保持计算效率同时实现对多簇隶属关系的动态建模。