本文關(guān)鍵詞： 海量數(shù)據(jù) 分布式貝葉斯方法 極值模型　出處：《華東理工大學學報(自然科學版)》2017年04期 　論文類型：期刊論文

【摘要】：在海量數(shù)據(jù)背景下,傳統(tǒng)的基于單個計算節(jié)點的算法很難滿足分析要求�？疾炝艘环N分布式貝葉斯估計方法,通過在每臺機器上單獨運行蒙特卡洛抽樣并做加權(quán)平均可以有效地解決算法效率問題。將該方法應(yīng)用于基于廣義極值模型的二元響應(yīng)變量回歸分析,并探討其實用性。模擬研究表明分布式算法比傳統(tǒng)方法更有效。
[Abstract]:Under the background of massive data, the traditional algorithm based on single computing node is difficult to meet the requirements of analysis. A distributed Bayesian estimation method is investigated. The algorithm efficiency problem can be effectively solved by running Monte-Carlo sampling and weighted average separately on each machine. The method is applied to the regression analysis of binary response variables based on generalized extremum model. The simulation results show that the distributed algorithm is more effective than the traditional method.
【作者單位】： 華東理工大學理學院;
【基金】：國家高科技研究發(fā)展(“863”)計劃(2015AA20107) 上海市經(jīng)信委“軟件和集成電路產(chǎn)業(yè)發(fā)展專項資金”(140304)
【分類號】：O212.8

【相似文獻】

相關(guān)期刊論文 前10條

1 易丹輝,何錚;Logistic模型及其應(yīng)用[J];統(tǒng)計與決策;2003年03期

2 李春紅,張忠占;一維響應(yīng)變量時最高無毒副作用劑量水平的識別[J];生物數(shù)學學報;2004年02期

3 喻勝華;楊薇;;非正態(tài)響應(yīng)變量的最優(yōu)線性預測[J];經(jīng)濟數(shù)學;2009年03期

4 王學麗;;不完全數(shù)據(jù)下響應(yīng)變量的精度估計[J];濱州學院學報;2007年06期

5 宇世航;;核實數(shù)據(jù)下響應(yīng)變量缺失的線性模型均值估計[J];山東大學學報(理學版);2010年08期

6 來鵬;;響應(yīng)變量隨機缺失下部分線性單指標模型的非參數(shù)判別檢驗[J];南京信息工程大學學報(自然科學版);2013年05期

7 黃彬;楊凌霞;徐修友;;響應(yīng)變量缺失時偏線性測量誤差模型的變量選擇[J];廈門大學學報(自然科學版);2014年01期

8 李志強;薛留根;;響應(yīng)變量隨機缺失下的半?yún)⒆兿禂?shù)模型的均值估計[J];數(shù)學的實踐與認識;2006年10期

9 劉力軍;;響應(yīng)變量缺失下線性回歸模型的ERLS算法[J];大連民族學院學報;2012年05期

10 王玉梅;;LAD回歸在變量異常方面的應(yīng)用[J];黑龍江工程學院學報(自然科學版);2010年03期

相關(guān)會議論文 前1條

1 李春紅;張忠占;;一類毒性試驗中藥物劑量水平的識別[A];北京市第十三次統(tǒng)計科學討論會論文選編[C];2006年

相關(guān)博士學位論文 前3條

1 余彬;二元響應(yīng)變量的三臂非劣效性試驗[D];云南大學;2015年

2 張濤;基于函數(shù)型數(shù)據(jù)的模型探測與估計理論[D];云南大學;2013年

3 崔霞;兩類復雜數(shù)據(jù)及相關(guān)模型的統(tǒng)計分析[D];山東大學;2008年

相關(guān)碩士學位論文 前10條

1 許哲;基于Alpha穩(wěn)定分布的二元響應(yīng)變量回歸模型[D];華東理工大學;2016年

2 李星祥;超高維數(shù)據(jù)的特征篩選研究[D];南京信息工程大學;2016年

3 孫雷鳴;有序響應(yīng)變量與罕見變異位點關(guān)聯(lián)分析的統(tǒng)計方法[D];東北師范大學;2013年

4 董銘言;潛變量在不同類型數(shù)據(jù)中的應(yīng)用[D];東北師范大學;2013年

5 李劍君;響應(yīng)變量有缺失時兩類統(tǒng)計模型的統(tǒng)計推斷[D];廣西師范大學;2010年

6 汪鐵豐;Probit模型的發(fā)展和演變[D];東北師范大學;2008年

7 趙潤青;響應(yīng)變量有缺失時變系數(shù)部分線性模型的統(tǒng)計推斷[D];廣西師范大學;2010年

8 曹添建;響應(yīng)變量缺失時條件分位數(shù)的經(jīng)驗似然估計[D];合肥工業(yè)大學;2012年

9 朱杰;[D];上海師范大學;2007年

10 張慶豐;利用Logistic二次回歸法提高判別分析效率[D];華北電力大學（北京）;2007年

，

本文編號：1534488