隨著大規(guī)模高維數(shù)據(jù)在研究和工業(yè)領(lǐng)域的普及,對(duì)數(shù)據(jù)分析和知識(shí)發(fā)現(xiàn)的可擴(kuò)展計(jì)算技術(shù)的需求越來(lái)越大。將這些數(shù)據(jù)轉(zhuǎn)化為知識(shí)的關(guān)鍵是學(xué)習(xí)高效的數(shù)據(jù)統(tǒng)計(jì)模型。由于計(jì)算機(jī)的性能限制,在單機(jī)環(huán)境下利用大規(guī)模數(shù)據(jù)集學(xué)習(xí)模型具有很大的局限性;同時(shí),現(xiàn)有的大量學(xué)習(xí)統(tǒng)計(jì)模型的方法,通常在應(yīng)用于大規(guī)模數(shù)據(jù)時(shí)具有較高的計(jì)算成本,或者產(chǎn)生學(xué)習(xí)能力不強(qiáng)的模型。為了解決這兩個(gè)問(wèn)題,本文開(kāi)展了壓縮回歸與分類(lèi)問(wèn)題的算法與應(yīng)用研究,本文提出了一種基于定長(zhǎng)編碼的矩陣壓縮方法,并支持快速時(shí)間內(nèi)的隨機(jī)訪(fǎng)問(wèn);在此基礎(chǔ)上建立了基于壓縮矩陣的偏最小二乘回歸和偏最小二乘邏輯回歸算法,提高了偏最小二乘方法的擴(kuò)展能力和學(xué)習(xí)能力。具體內(nèi)容如下:首先,為了解決單個(gè)計(jì)算機(jī)應(yīng)用大規(guī)模數(shù)據(jù)集的局限性,本文設(shè)計(jì)了一種基于定長(zhǎng)編碼的矩陣壓縮算法BCSM（blocked compressed sparse Matrix）,該算法按照矩陣行序進(jìn)行壓縮,將所有非零位置的索引連接并進(jìn)行分塊壓縮,同時(shí)支持快速時(shí)間內(nèi)隨機(jī)訪(fǎng)問(wèn)矩陣,以應(yīng)用于分類(lèi)與回歸模型中大量的矩陣運(yùn)算。之后,本文將壓縮矩陣應(yīng)用于機(jī)器學(xué)習(xí)模型中,提出了基于壓縮矩陣的偏最小二乘算法NFPLS。該方法將特征... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省211工程院校教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

線(xiàn)性回歸與線(xiàn)性分類(lèi)圖

西安電子科技大學(xué)碩士學(xué)位論文2.2 稀疏矩陣壓縮算法機(jī)器學(xué)習(xí)模型中通常包含許多矩陣計(jì)算，許多模型中更需要用到高維稀疏矩陣。在計(jì)算機(jī)中存儲(chǔ)和操作稀疏矩陣時(shí)候，通常需要使用特殊的算法和數(shù)據(jù)結(jié)構(gòu)以充分發(fā)揮矩陣的稀疏性。如果將標(biāo)準(zhǔn)的密集矩陣存儲(chǔ)的數(shù)據(jù)結(jié)構(gòu)和算法用于稀疏矩陣是很慢的并且是低效的，因?yàn)榇罅康挠?jì)算和存儲(chǔ)浪費(fèi)在零元素上面。因此對(duì)于稀疏矩陣的壓縮存儲(chǔ)是很有必要的。本節(jié)將介紹壓縮稀疏行 CSR 格式。

西安電子科技大學(xué)碩士學(xué)位論文括標(biāo)記或未標(biāo)記圖像數(shù)據(jù)[39]、表示語(yǔ)音的 M袋和電影的用戶(hù)評(píng)級(jí)[41]。在條件形式下，它動(dòng)捕獲數(shù)據(jù)或語(yǔ)音[42]。受限玻爾茲曼機(jī)經(jīng)常為玻爾茲曼機(jī)的一個(gè)變種，標(biāo)準(zhǔn)的玻爾茲曼個(gè)全連接圖，其訓(xùn)練結(jié)構(gòu)極其復(fù)雜，受限玻的連接，而刪除了同層神經(jīng)元之間的連接，樣的操作將玻爾茲曼機(jī)的結(jié)構(gòu)由完全圖簡(jiǎn)化爾茲曼機(jī)算法獲得更有效的訓(xùn)練。 網(wǎng)絡(luò)結(jié)構(gòu)


本文編號(hào)：3613188