轻量光谱集成聚类框架

低内存可扩展

一种简单而高效的框架，可在有限资源下对网络规模数据进行聚类，其内存需求可自适应可用资源。

Yang, Geping · Deng, Sucheng · Can, Chen · 杨易扬 · Gong, Zhiguo · 陈翔 · Zhifeng, Hao

IEEE Transactions on Knowledge and Data Engineering 2023

参数信息

在内存限制

1 GB

技术优势

内存占用极小

采用 WSC 作为基方法，无需显式计算整体嵌入，从而避免存储大规模相似度矩阵和特征向量。

内存灵活适配

框架的内存需求不是固定的，而是能够根据当前可用资源进行调整，从而在资源受限的环境中运行。

应用场景

• 大规模数据聚类：在不增加内存的前提下直接处理亿级数据点，替代分布式聚类带来的通信和运维成本。
• 分布式聚类计算：算法本身低内存，可部署在轻量节点上，减少分布式环境中的资源竞争。
• 资源受限环境数据挖掘：在 1 GB 内存的受限设备上即可运行，适合边缘或嵌入式数据分析场景。