分布式张量列分解算法的设计与实现

发布时间：2021-06-11 09:05

　　随着多传感器技术和计算机科学的快速发展,现实世界中产生的数据属性繁多,多属性的数据集有利于全面分析数据各属性之间的联系。因此,使用高阶张量融合多属性数据便于挖掘多属性数据中的关联信息。然而,处理高阶张量时所需的计算机内存、计算次数等资源都会随阶数呈指数增长,导致某些算法无法在多项式时间内得出结果,这个问题称为维数灾难。张量列分解算法是一种新颖的张量分解算法,其将高阶张量分解为多个三阶张量,从而把指数级问题转化为立方级问题,可以很好的应对维数灾难的困境。但是对于大规模的张量数据,张量列分解算法迭代执行,分解效率低下,执行时间长,而且由于计算机的内存限制,甚至无法容纳一块完整的张量数据。因此,对于目前现实世界中产生的高阶多属性融合数据,实现分布式的张量列分解算法将是本文的研究重点。本文以数据分块为基本点,提出了两种分布式张量列分解算法,对张量列分解算法实现并行化处理,而且可以处理计算机内存无法容纳的大规模数据的张量列分解。最后给出了算法在信号处理中的应用实例。本文的主要研究可归纳如下:1.提出基于数据并行的分布式张量列分解算法。张量列分解算法整体上是迭代的算法,基于数据并行的分布式张量列分... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图1-1张量建模（以多属性人脸为例）

三阶张量RIJK

三阶张量纤维示意图

【参考文献】：
期刊论文
[1]并行计算系统度量指标综述[J]. 王之元,杨学军.  计算机工程与科学. 2010(10)



本文编号：3224237