为描述交通多流式数据聚类中数据样本与特征属性的几何结构信息，分别用两个近邻图来刻画两者的几何结构。

（1）数据图构建

首先，以数据集｛X：，1，…，X：，N｝作图的顶点集合为数据集，基于k⁃近邻的方法构建数据图。本章选取0⁃1 加权图的方式构建数据图。基于k⁃近邻构建方法的数据图权重矩阵如定义3.1 所述。

定义3.1　数据图的权重矩阵定义为

其中，N（X：，i）为数据X：，i的k⁃近邻集合。

（2）特征图构建(www.daowen.com)

类似地，继续用0⁃1 加权方式构建基于k⁃近邻的特征图，其中图的顶点集合为特征集。基于k⁃近邻图的特征图权重矩阵如定义3.2 所述。

定义3.2　特征图的权重矩阵定义为

基于上述分析，考虑先验信息，结合数据样本和特性属性几何结构信息的交通多流式数据进化聚类算法EC⁃NMF 的目标函数为

其中，α 为用户定义的权重系数，用于平衡当前时间步的结果和历史结果；λ，μ≥0 为正则化参数；R（t＋1）∈为图G（t＋1）聚类成员矩阵，U（t＋1）和U（t）为权重矩阵，C（t＋1）和C（t）分别为A（t＋1）和A（t）的列表示矩阵；LR（t－1）＝DR（t＋1）－WR（t＋1）为数据图的Laplacian 矩阵，LC（t＋1）＝DC（t＋1）－WC（t＋1）为特征图的Laplacian 矩阵。

此外，假设在t＋1 和t 时，聚类成员数分别为k（t＋1）和k（t）。如果k（t）＜k（t＋1），则U（t）＝［U（t），0c×（k（t）＋1：k（t））］；如果k（t）＞k（t＋1），则删除U（t）中多余的聚类向量。