[发明专利]一种高斯图模型结构估计的分布式并行优化方法在审
| 申请号： | 201710568524.4 | 申请日： | 2017-07-13 |
| 公开（公告）号： | CN107451209A | 公开（公告）日： | 2017-12-08 |
| 发明（设计）人： | 袁晓彤;刘青山;李晓宇 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/16 |
| 代理公司： | 南京纵横知识产权代理有限公司32224 | 代理人： | 董建林 |
| 地址： | 210019 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种高斯图模型结构估计的分布式并行优化方法，包括将样本矩阵按列分割成h个子矩阵，分别存储于h个计算节点上；选择一个子矩阵，从中取一列记作Y；将该子矩阵中的剩余列和其它子矩阵构成A；利用分布式坐标下降法对Lasso模型进行求解；使Y遍历所有子矩阵，同时对p个Lasso模型并行求解，即可得到输出矩阵；其中p表示样本矩阵的随机变量数；将输出矩阵对称化，得到最终的输出矩阵，最终的输出矩阵与样本矩阵的高斯图模型具有相同的结构。本发明将复杂的原问题拆分成多个子问题，然后利用多个计算节点进行求解，具备处理分布式数据的能力，能够有效地进行大数据的处理。 | ||
| 搜索关键词： | 一种 高斯图 模型 结构 估计 分布式 并行 优化 方法 | ||
【主权项】：
一种高斯图模型结构估计的分布式并行优化方法，其特征在于，包括如下步骤：步骤一：将样本矩阵按列分割成h个子矩阵，分别存储于h个计算节点上；步骤二：选择一个子矩阵，从中取一列记作Y；将该子矩阵中的剩余列和其它子矩阵构成A；利用分布式坐标下降法对Lasso模型进行求解；步骤三：使Y遍历所有子矩阵，同时对p个Lasso模型并行求解，即可得到输出矩阵；其中：p表示样本矩阵的随机变量数；步骤四：将输出矩阵对称化，得到最终的输出矩阵，最终的输出矩阵与样本矩阵的高斯图模型具有相同的结构。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京信息工程大学，未经南京信息工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710568524.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种改进型百合干片振动选料装置
- 下一篇：一种农业用种子筛选装置
