分布式奇异值分解最小平方估计算法

• 作者: 刘继 李繁 金明录
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 矩阵分解 奇异值分解 最小平方估计 大型数据集 分布式
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 博士论坛
• 页码范围: 6-12,45
• 页数: 8页
• 分类号: TP393
• 字数: 6132字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1306-0274

摘要

对奇异值（SVD）分解求解最小平方估计的问题进行了研究。提出迭代式分割与合并的算法（IDMSVD），目的是改善奇异值分解在估计参数时非常耗费时间以及内存空间的问题。基于IDMSVD提出了分布式迭代式分割与合并算法（MRDSVD），使用Hadoop平台的MapReduce来实现，实验结果显示，IDMSVD可以有效改善SVD求最小平方解耗费运行时间与内存空间的问题，MRDSVD算法可进一步改善IDMSVD的运行时间。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘继	新疆财经大学统计与信息学院	41	300	10.0	16.0
2	李繁	大连理工大学电子信息与电气工程学部	14	22	2.0	4.0
4	金明录	大连理工大学电子信息与电气工程学部	53	392	10.0	18.0