分布式非凸正則化方法研究.pdf

1、隨著信息技術的飛速發(fā)展，在經(jīng)濟學、生物信息學、社會科學和醫(yī)學等諸多領域中對海量、高維數(shù)據(jù)的采集成為可能.由于這些數(shù)據(jù)量級過大，如何對其進行存儲、整理并開展進一步的數(shù)據(jù)分析均面臨著巨大的挑戰(zhàn).數(shù)據(jù)存儲通常采用分布式方式，通過將數(shù)據(jù)集按某種規(guī)則分割，或者按數(shù)據(jù)流的方式存儲于不同的機器，實現(xiàn)數(shù)據(jù)量過大時的存儲問題.一個自然的問題是，現(xiàn)有的機器學習算法是否適用于分布式存儲的數(shù)據(jù).近年來，基于稀疏先驗的正則化方法是對高維數(shù)據(jù)進行特征提取和變量選擇

2、的主要研究工具之一，但是這類方法往往都基于單機存儲和處理.因此，如何開展針對分布式存儲的數(shù)據(jù)分析是目前機器學習和統(tǒng)計學的主要工作之一.本文推廣現(xiàn)有的稀疏正則化方法，使其適合于分析處理分布式存儲數(shù)據(jù).
　　本文各章內容安排如下:
　　第一章中簡單敘述研究分布式非凸正則化方法的意義以及相關研究背景.
　　第二章中提出分布式SCAD方法.基于ADMM算法提出分布式SCAD算法，并證明了算法的收斂性.實驗表明，分布式SCAD算