论文部分内容阅读
对于海量和高维的大规模数据聚类问题，其数据个数以及模式种类通常处于一个动态增加的过程之中，为此进行增量、并行算法的设计，以提供更好的计算能力是十分必要的．注意到人脑增量学习的本质和RSOM（Recursive Self-Organlzing Map）的层次化、分布式结构特点，本文研究了基于高性能集群并行计算环境的增量、分布式RSOM并行算法，并以视频图像特征集实例证实了算法的可行性．