原创力文档- 1、本文档共15页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
?
?
基于凸和非凸优化低秩矩估计的大数据处理算法
?
?
刘晓霞王钰宁陈霞
摘?要：针对大数据处理中存在的优化问题，提出一种基于凸和非凸优化低秩矩估计的大数据处理算法，并利用物联网采集与感知的大数据进行算法的实验验证与对比分析。在简单描述凸优化、非凸优化和低秩矩阵优化基础上，设计了基于凸和非凸优化低秩矩估计的大数据处理算法，并对算法收敛性进行了分析;然后利用物联网感知设备，进行数据感知与采集，然后利用所設计的算法进行对比实验。通过实验表明，本文算法在训练时和测试时，在归一化平均绝对误差和运行时间上，具有较好的结果。
关键词：凸优化;非凸优化;低秩矩阵;估计;大数据处理
：TP309???：A
ProcessingAlgorithmforBigDataBasedonConvexOptimization，Non-convexOptimizationandLow-RankMatrixEstimation
LIUXiaoxia，WANGYuning，CHENXia
（DepartmentofInformationEngineering，SichuanWaterConservancyVocationalCollege，Chongzhou611231，China）
Abstract：Aimingtotheoptimizationprobleminbigdataprocessing，abigdataprocessingalgorithmbasedonconvexoptimization，non-convexoptimizationandlowrankmatrixestimationisproposed，andtheexperimentalverificationandcomparativeanalysisofthealgorithmarecarriedoutbymeansofthebigdatacollectedandperceivedbyInternetofThings.Onthebasisofconvexoptimization，non-convexoptimizationandlowrankmatrixoptimization，thebigdataprocessingalgorithmisdesignedandtheconvergenceofthealgorithmisanalyzed.ThendataperceptionandcollectionareperformedbyusingtheInternetofThingsperceptiondevicesandtheproposedalgorithmisusedtoconductcomparativeexperiments.Experimentsshowthattheproposedalgorithmhasgoodresultsinnormalizedmeanabsoluteerrorandrunningtimeduringtrainingandtesting.
Keywords：convexoptimization;non-convexoptimization;lowrankmatrix;estimation;bigdataprocessing
1??引言（Introduction）
各类数据信息形成的大规模高维数据正在以每年ZB（ZettaByte，ZB）级海量递增，为处理和存储带来巨大的机遇和严峻的挑战。而各种数据的采集与处理过程中，几乎都是高维数据且相互关联，需要进行数据优化。而凸优化由于其在凸集、凸函数的结构和特性，具有不确定性，已应用于信号处理、生物信息学、机器学习和大数据等。
对于凸优化、非凸优化和低秩矩阵优化等，国内外研究者们进行了诸多研究，取得了一定成果。文献[1]对复杂网络关键节点选择问题进行研究，提出一种基于凸优化的维度不精确乘法器交替向量算法。文献[2]利用非凸优化理论研究航站间路径规划的编码问题，提出一种基于非凸优化的非连续时间的航站间约束满足的非凸路径规划编码算法。文献[3]对低秩矩阵优化中的全局最优性问题进行研究，分析一般目标函数下的最多矩阵的最小化问题。文献[4]利用随机方法对大规模矩阵进行低秩近似研究，提出了一个稀疏的正交变换矩阵来减少数据维数的算法。文献[5]用低秩矩阵完备的大规模通信估计。以上研究，将凸优化、非凸优化和低秩矩阵优化
文档评论（0）