文献检索-宁波市创意产业特色资源库

限定检索结果

面向大数据流的增量式Kriging学习算法研究: 收藏
分享
引用; 《统计与信息论坛》2020年第10期35卷 21-26页; 作者：周晓剑王乐研南京邮电大学管理学院江苏南京210023; 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...; 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。; 来源：详细信息评论

限定检索结果