基于MDA-SVD的快速直接解法——CBD的中期报告.docxVIP

基于MDA-SVD的快速直接解法——CBD的中期报告 经过前期的大量调研和理论分析，我们最终确定了基于MDA-SVD的CBD算法作为我们研究的重点。在此中期报告中，我们将介绍已经完成的工作以及下一步的计划。 1. 已完成的工作 （1）实现MDA-SVD的基本算法。我们使用Python语言，参考了诸多现有代码，完成了MDA-SVD的基本算法实现。 （2）调试MDA-SVD算法并验证正确性。我们在UCI数据集上进行了测试，钟是此时使用的参数为k=3, λ=1，精度达到了96%。为了维持一定的可解释性，我们选择了小规模数据集，并将其作为后续开发的基础。 2. 下一步的计划 （1）设计多种模型并实现。我们计划在原有的MDA-SVD基础上，设计多种不同的模型，如增量式模型、时序回归模型、深度学习模型等。相应地，我们也需要对应地实现并调试这些模型，并验证其正确性。 （2）拓展数据集和增加实验结果。当前我们只使用了小规模数据集进行测试，下一步我们需要拓展数据集的规模，并比较不同模型之间的性能。 （3）优化算法的执行效率。考虑到MDA-SVD算法存在的问题，我们需要进一步研究如何优化算法的执行效率，尤其是在大规模数据集上的执行效率。 （4）探究算法内部的原理和优化方法。我们还将进一步探讨MDA-SVD算法内部的原理，尝试改进算法的优化方法，并撰写相应的论文。