基于分布式数据的高斯图模型结构并行估计
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 算法研究现状 | 第9-11页 |
| 1.2.2 并行运算框架与分布式系统 | 第11-12页 |
| 1.3 论文的主要内容及章节安排 | 第12-15页 |
| 第二章 相关理论介绍 | 第15-20页 |
| 2.1 高斯图模型 | 第15-16页 |
| 2.2 邻域选择与LASSO模型 | 第16-17页 |
| 2.3 GLASSO | 第17-18页 |
| 2.4 坐标下降法 | 第18-20页 |
| 第三章 邻域选择算法的分布式优化 | 第20-33页 |
| 3.1 研究动机 | 第20-21页 |
| 3.2 分布式并行算法 | 第21-28页 |
| 3.2.1 可行性分析 | 第21-22页 |
| 3.2.2 分布式并行算法设计 | 第22-28页 |
| 3.3 实验设计及结果分析 | 第28-32页 |
| 3.3.1 精度分析 | 第28-30页 |
| 3.3.2 效率分析 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 一种可并行的分布式块坐标下降方法 | 第33-45页 |
| 4.1 研究动机 | 第33-34页 |
| 4.2 算法设计 | 第34-37页 |
| 4.3 收敛性分析 | 第37-41页 |
| 4.4 实验验证 | 第41-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 可并行分布式GLASSO算法 | 第45-59页 |
| 5.1 算法设计 | 第45-53页 |
| 5.1.1 算法设计 | 第46-49页 |
| 5.1.2 算法收敛性分析 | 第49-53页 |
| 5.2 实验设计及结果分析 | 第53-58页 |
| 5.2.1 实验环境选择 | 第53-54页 |
| 5.2.2 实验结果及分析 | 第54-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第六章 结论与展望 | 第59-61页 |
| 6.1 论文总结 | 第59-60页 |
| 6.2 今后工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 攻读硕士期间完成的科研情况 | 第69页 |
