登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于二项--泊松的高斯随机聚类数学建模稳定性验证
  • 摘要

    大数据的聚类过程是高斯随机过程,因此在大数据分类中,构建稳健的数据分类模型,提高数理统计能力至关重要。二项-泊松模型具有全局解的凸优化随机聚类性能,利用二项-泊松模型对高斯随机性数据处理的优势,在有限维空间中,进行数据聚类分析。构建二项-泊松模型的KKT条件,取得二项-泊松模型的边值周期解多项式核,进行高斯聚类特征分解,得出Schur complement泛函准则,建立二项-泊松模型的数理统计大数据分类系统,最终验证了稳定性。推导结果表明,利用二项-泊松模型在高斯随机大数据分类过程中是稳定收敛的,有效提高了大数据的数理统计和分析能力。

  • 作者

    王志同  Wang Zhitong 

  • 作者单位

    潍坊科技学院中印计算机软件学院,山东寿光,262700

  • 刊期

    2016年10期 ISTIC PKU

  • 关键词

    二项-泊松模型  高斯过程  数据分类  数理统计  two-poisson model  gauss process  data classification  mathematical statistics 

相似文献 查看更多>>
34.229.97.16