流式scene8数据集

在复杂多变的开放环境中，受限于传感器物理故障或通信带宽的动态波动，流式数据常面临特征空间突发性降维与属性丢失的严峻挑战。针对传统静态分类数据集难以验证模型在此类非平稳场景下在线适应能力的局限，本研究基于经典Scene8场景理解基准库，构建了专为评估流式学习模型在属性动态减少场景下鲁棒性的流式scene8基准测试集。在数据构造方面，本数据集提取了图像的高维特征表示（初始维度为1880维），并制定了严格的时序演化协议以精准模拟特征退化过程。数据流被严密划分为两个阶段：第一阶段为稳态阶段，保留完整的1880维全景属性，旨在确立基座模型在全特征空间下的基准识别能力；第二阶段为增量阶段，引入特征截断机制将维度强制规约至1034维（属性突降45%），以模拟信息流的部分阻断现象。本数据集共汇交1248个有效样本，涵盖4个显著场景类别。其中，流式训练流包含744个序列样本，并配套504个独立测试样本以保障评估结果的统计显著性。本数据集通过标准化的属性阶段性截断构造，为评估连续学习模型在非平稳特征空间动态压缩环境下的抗遗忘能力与在线维数自适应能力提供了高置信度的数据支撑。