[发明专利]一种基于MCMC的并行分类方法

权利要求书

1.一种基于MCMC的并行分类方法，应用于包括N行处理器和P列处理器构成的运算系统中，每个处理器至少包含一条马尔科夫链和一个特征，同一行中的P个处理器具有相同的马尔科夫链，同一列中的N个处理器具有相同的个体特征，其特征在于：

根据初始状态计算似然估计；

根据似然估计计算出参数的后验概率；

根据所述后验概率进行MCMC模拟运算，以当前状态为基础，产生新状态；

根据所述新状态计算接受概率，并通过第一随机数产生器产生第一随机数，所述同一行中的处理器具有相同的第一随机数产生器；

判断所述接受概率和所述第一随机数的比较结果，当所述第一随机数小于所述接受概率时，则下一时刻的状态为所述新状态，否则保持原状态不变；

通过第二随机数产生器产生准备进行交换的马尔科夫链的标号，所述每个处理器具有相同的第二随机数产生器；

当处理器中包含的马尔科夫链参与了交换，则同一列中的处理器计算出交换概率，并利用第二随机数产生器产生第二随机数，判断所述交换概率和所述第二随机数的比较结果，当所述第二随机数小于所述交换概率时，则交换两条马尔科夫链的加热参数，否则交换不发生。

2.根据权利要求1所述的并行分类方法，其特征在于，所述根据初始状态计算似然估计步骤包括：

所述同一行中的处理器根据初始状态和部分数据计算出局部似然估计；

所述同一行中的处理器将所述局部似然估计合并为全局似然估计。

3.根据权利要求1所述的并行分类方法，其特征在于，所述根据所述似然估计计算出参数的后验概率步骤包括：

根据所述似然估计利用公式计算出参数的后验概率，

其中，E是包含测试数据的训练数据集，H是参数，P(E)是数据集的非条件概率，P(H)是根据数据计算的先验概率，P(E|H)是根据预先设置的模型计算的参数似然估计，P(H|E)是参数的后验概率。

4.根据权利要求1所述的并行分类方法，其特征在于，所述根据所述新状态计算接受概率步骤包括：

根据所述新状态利用公式γ(Si(t),Si(t)′)=min(1,π(Si(t)′)π(Si(t))·T(Si(t),Si(t)′)T(Si(t)′,Si(t))),]]>计算出所述接受概率。