for Big Data Flow
作者： 周晓剑[1];王乐研[1]
作者机构： [1]南京邮电大学管理学院,江苏南京210023出版物刊名： 统计与信息论坛页码： 21-26页
年卷期： 2020年 第10期
主题词： 大数据流;Kriging模型;增量式算法
摘要：面对大数据流,当不断有新的数据加入时,如果使用传统的Kriging进行建模,需要针对全体数据进行重新建模,严重降低了数据处理效率。解决这一困境的一个有效思路是:针对新加入的样本并不重新建模,而是在原有模型的基础上进行迭代处理,即在原有模型的基础上把新增的样本加入进来,并不是针对所有样本重新建模。基于此,提出了一种新的增量式Kriging模型,通过分块矩阵和矩阵递归构建的方式处理“相关矩阵”的求逆问题,极大地提高了建模效率。对新增量式模型与一次性建模进行比较,实验结果表明,新增量式Kriging模型在建模效率方面远高于传统的一次性建模方法,大大提升了数据处理速度。
因篇幅问题不能全部显示，请点此查看更多更全内容
Copyright © 2019- sceh.cn 版权所有 湘ICP备2023017654号-4
违法及侵权请联系：TEL:199 1889 7713 E-MAIL:2724546146@qq.com
本站由北京市万商天勤律师事务所王兴未律师提供法律服务