The invention discloses a method for improving the processing quality of the data, the data processing and analysis problem is transformed into solving the minimization problem, combined with the characteristics of data processing, the existing numerical optimization algorithm, numerical optimization method to accelerate the convergence rate of a class algorithm. The invention is based on the existing iterative algorithm, introducing the Powerball function, in particular, is introduced into the nonlinear Powerball function on the objective function gradient in the iteration formula, with a dynamic coefficient in the function, in order to improve the convergence rate. The invention has the advantages of fast convergence speed, short running time, etc., and can solve the speed and quality of large data analysis, and can significantly reduce the running time of the computer.
【技术实现步骤摘要】
一种提高大数据处理质量的方法
本专利技术属于大数据处理及数据挖掘问题领域,更具体地,涉及一类提高数据分析速度和数据分析质量的数据处理技术。
技术介绍
现在的社会是一个高速发展的社会,科技发达,信息流通,人们之间的交流越来越密切,生活也越来越方便,大数据就是这个高科技时代的产物。计算机领域的发展,以及国际互联网络的出现,为求解大规模数据的优化问题提供了方便。进入21世纪以来,求解大规模优化问题的算法设计以及理论创新已受到各研究领域专家的广泛关注。如何将大数据的分析和处理问题转化为求解规模庞大的数值优化问题,以及如何求解大规模的优化问题是当下各领域研究者关注的重点之一。而早先的关于求解优化问题的工作主要集中于已有迭代算法中参数的选取,通过选取不同参数值得到了一些较为经典的数值优化算法,至今仍被广泛应用的有著名的梯度下降法、牛顿法等方法。然而在数值优化算法中,算法的收敛速率是衡量该算法优劣的重要指标,因此如何加快算法的收敛速率显得尤为重要。实质上,当求解大规模的优化问题时,初始迭代计算的约束是至关重要的大数据具有数据体量巨大、数据类型繁多、价值密度低、处理速度快等特点,研究求解大规模数据分析问题的具有计算简便、存储需求量小的高效率的算法具有十分重要的理论和实际意义。如何快速且高效的从各种各样类型的数据中,快速获得有价值信息,是大数据处理的首要目标之一。而数据处理的本质,等价于既快速又高效的求解最优化的问题。实际上,最优化这一概念是无处不在的,因此作为达到最优的一种手段的最优化方法,应该是而且确实也是变化无穷的。运筹学中所处理的问题绝大部分都是最优化问题。用来解决 ...
【技术保护点】
一种提高大数据处理质量的方法,其特征在于,包括如下步骤:(1)根据收集到的数据特性,对要优化数据进行分析:如果数据处理问题是否是求解函数的最小值优化问题:是则转步骤(2);否则,通过对数据的正则化处理,转化为求解最小值优化问题,转步骤(2);(2)建立最小值优化模型
【技术特征摘要】
1.一种提高大数据处理质量的方法,其特征在于,包括如下步骤:(1)根据收集到的数据特性,对要优化数据进行分析:如果数据处理问题是否是求解函数的最小值优化问题:是则转步骤(2);否则,通过对数据的正则化处理,转化为求解最小值优化问题,转步骤(2);(2)建立最小值优化模型其中Rn为实数域的n维向量,f(X)为目标函数,是一个二次连续可微的非线性函数,X为n维向量;(3)选取梯度类优化方法,所述方法包括梯度下降法、牛顿法和L-BFGS方法;具体根据选取的优化方法,引入Powerball函数,建立Powerball迭代公式,进行迭代;所述Powerball函数表达式σγ(z)=sign(z)|z|γ,γ∈(0,1)为Power系数,z∈R;对于梯度下降法,对应的Powerball迭代公式为:对于牛顿法,对应的Powerball迭代公式为:X(k+1)=X(k)-(▽2f(X(k)))-1σγ(▽f(X(k)));对于L-BFGS方法,对应的Powerball迭代公式为:其中,是目标函数的Hesse矩阵的逼近矩阵,与Hesse矩阵有相同的维数;Sk=X(k+1)-X(k),是与X(k)有相同的维数的向量;X(k+1)=X(k)+αkdk,Yk=▽f(X(k+1))-▽f(X(k)),即式中,▽f(X)为目标函数f(X)的梯度;▽2f(X)为目标函数f(X)的Hesse矩阵;k是迭代次数,取值为0,1,2,……,αk为第k次迭代时的步长,X(k)为第k次迭代得到的逼近值;当k=0时,Bk初值取为单位矩阵,X(k)的初值X(0)可任意选取;σγ(·):R→R为Powerball函数σγ对目标函数梯度的非线性变换即Powerball变换;(4)判断收敛性,具体判断方法如下:当目标函数是强凸函数,且其梯度满足L-Lipschitz条件时,则判别迭代次数是否大于N;是则迭代结束,输出最优值X(k+1);否则继续迭代;当目标函数不是强凸函数,或其梯度不满足L-Lipschitz条件时,则判断|...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。