隨著通信技術的發(fā)展和互聯(lián)網(wǎng)的快速普及,各行業(yè)中的電子化數(shù)據(jù)越來越多,數(shù)據(jù)收集也越發(fā)簡單,我們迎來了大數(shù)據(jù)時代。大數(shù)據(jù)的發(fā)展亦推動了消費形式的多樣性發(fā)展,但是大數(shù)據(jù)在為人們創(chuàng)造巨大使用價值的同時,也給以淘寶網(wǎng)為代表的各大電商企業(yè)帶來了一些新的挑戰(zhàn)。隨著數(shù)據(jù)規(guī)模的迅速擴張,傳統(tǒng)的離線算法無法實現(xiàn)一次性收集全部的信息,將會耗費大量的時間和空間。在線學習技術則可以很好的解決這一問題,成為大數(shù)據(jù)集的數(shù)據(jù)挖掘領域的研究熱點。本文主要研究面向大數(shù)據(jù)的在線RBF的學習算法及其應用。論文的主要工作有以下三個內容:（1）在對徑向基函數(shù)研究的基礎上,采用高斯函數(shù)作為核函數(shù),利用數(shù)學中的分塊矩陣定理對徑向基函數(shù)進行處理,從在線處理大數(shù)據(jù)的角度思考,利用增量學習算法原理推導出徑向基函數(shù)（RBF）增量學習算法模型,為大數(shù)據(jù)的增量算法提供一種新思路,并利用實際算例加以檢驗。實驗表明,相對于傳統(tǒng)的一次性建模的方法,本文提出的增量式RBF算法能在保證不影響建模精度的前提下明顯地縮短處理大數(shù)據(jù)的時間。（2）在本文研究的RBF增量式學習算法的研究基礎上進行改進,利用固定滑動窗口原理,通過利用數(shù)學中的分塊矩陣定理對徑向基函數(shù)... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

淘寶網(wǎng)大數(shù)據(jù)工具時間軸IBM大數(shù)據(jù)行業(yè)研究者指出，大數(shù)據(jù)定義主要有兩層框架

也是在這個階段，人們開始在各個領域的知識信息管理中使用一些基本工具以及相關技術來實現(xiàn)企業(yè)的科學管理。剛開始，大數(shù)據(jù)技術的重點調研內容Algorithms）以及識別（Identification）等方面[14]。隨著相關技術的進步，大數(shù)據(jù)漸得到突破。在這個階段，通過非結構化數(shù)據(jù)的研究使得大數(shù)據(jù)技術得到更好的之前，計算機信息處理技術通常是應用于獲取數(shù)據(jù)信息，對數(shù)據(jù)信息進行一定的，并將有針對性的數(shù)據(jù)存儲起來，從而方便各軟件平臺數(shù)據(jù)信息的輸入。隨著信速發(fā)展，海量數(shù)據(jù)信息不斷生成，所需的數(shù)據(jù)存儲空間越來越大，因此，只有提的存儲技術，保證數(shù)據(jù)信息的安全性和穩(wěn)定性，才能提高計算機信息處理的效率數(shù)據(jù)在我國開始逐漸普及起來，人們也意識到了大數(shù)據(jù)的重要性，在“十二五”甚至門設立了研究大數(shù)據(jù)的機構。與此同時，行業(yè)內也在不遺余力的推動大數(shù)據(jù)，社會各界給予大數(shù)據(jù)的關注在某種程度上亦推動了大數(shù)據(jù)的發(fā)展。2017 年 12 主席在中共中央政治局第二次會議時提出“實施國家大數(shù)據(jù)戰(zhàn)略加快建設數(shù)字中，這也代表著我國對大數(shù)據(jù)的重視上升到了一個新的高度。

將上述方程的各個參數(shù)取值分別如下：t 0.01，1p -1.1,2p 0.4, q 1.6, w 1.8。當確定了各個參數(shù)后，再通過如下采樣規(guī)則：2 1 1x (t ) ( x (t 1), x (t 1), t (t ))，2y (t ) x (本集 1( ), ( )Ntx t y t ， N 為樣本容量，利用樣本對 組成窗式樣本集，選窗口 N=4,核函數(shù)采用高斯函數(shù)： 2exp( / )i i x x x x ， =0.01（可調），用在線函數(shù)的學習算法對此混沌信號進行在線學習，利用滑動窗口的思想，即樣本呈現(xiàn)窗式本實驗的窗口長度為 4，當時刻 t 的逐一遞進時，向窗口中添加一個新的樣本，與此同固定窗口中的一個舊的樣本，從而保持窗口長度保持不變，逐一訓練樣本集，直至樣的數(shù)據(jù)全部訓練結束，此時窗口式在線 RBF 學習結束。 (1)()(()()()cos())(1)()()32211221112xtxtpxtpxtxtqwttxtxtxtt

【參考文獻】：
期刊論文
[1]基于滑動窗口挖掘數(shù)據(jù)流高效用項集的有效算法[J]. 郭世明,高宏.  哈爾濱工程大學學報. 2018(04)
[2]基于徑向基函數(shù)的分數(shù)年齡假設[J]. 周曉劍.  統(tǒng)計與決策. 2016(01)
[3]大數(shù)據(jù)在淘寶網(wǎng)電子商務模式創(chuàng)新中的應用研究[J]. 陳原,劉惠,周文豪.  價值工程. 2015(35)
[4]基于徑向基神經(jīng)網(wǎng)絡的儲糧通風智能決策研究[J]. 孫彪瑞,廉飛宇,王珂,蘇庭奕,張元.  糧食與飼料工業(yè). 2014(09)
[5]徑向基函數(shù)神經(jīng)網(wǎng)絡在網(wǎng)絡安全預測中的應用[J]. 藍新波,李冬睿.  計算機測量與控制. 2014(03)
[6]基于Duffing振子的微弱周期信號混沌檢測性能研究[J]. 范劍,趙文禮,王萬強.  物理學報. 2013(18)
[7]阿里“玩”大數(shù)據(jù)[J]. 崔婧.  中國經(jīng)濟和信息化. 2013(08)
[8]阿里大數(shù)據(jù)戰(zhàn)略探析[J]. 黃丹丹,王明宇,劉淑貞.  中國商貿. 2013(12)
[9]大數(shù)據(jù)管理:概念、技術與挑戰(zhàn)[J]. 孟小峰,慈祥.  計算機研究與發(fā)展. 2013(01)
[10]大數(shù)據(jù)研究:未來科技及經(jīng)濟社會發(fā)展的重大戰(zhàn)略領域——大數(shù)據(jù)的研究現(xiàn)狀與科學思考[J]. 李國杰,程學旗.  中國科學院院刊. 2012(06)

博士論文
[1]徑向基函數(shù)逼近中的若干理論、方法及其應用[D]. 馬利敏.復旦大學 2009



本文編號：3060364