[发明专利]基于分布式拟牛顿投影追踪的数据重构方法

说明书

本发明公开了基于分布式拟牛顿投影追踪的数据重构方法，包括以下步骤：将待重构的数据分为公共部分和个体部分；各个计算节点将待重构数据的支撑集发送给邻居计算节点；各个计算节点根据自身计算出的支撑集和从邻居计算节点获得的支撑集，获得公共部分支撑集；各个计算节点根据公共部分支撑集、收集到的压缩数据、测量矩阵及公共部分和个体部分的稀疏度，迭代重构压缩数据。本发明在数据重构过程中使得各个计算节点能够得到整个网络中的数据，获取全局信息，可以运用于具有公共分量的分布式网络中数据的恢复，满足更多场景的需求；而且数据重构的速度更快，精度更高。

技术领域

本发明涉及一种基于分布式拟牛顿投影追踪的数据重构方法，属于数据重构技术领域。

背景技术

随着信息技术的不断发展，人们获取数据的规模越来越大。在众多分布式应用中，如何能够快速高效地实现数据的重构具有重要的作用。分布式系统中需要处理的数据分散在多个节点内，需要将数据传输到服务器进行数据的联合重建。因此，在数据重构时分布式网络中需要传递大量的信息，从而造成带宽的消耗和数据重构的延时。

目前，分布式系统中数据重建主要采用集中式处理的方法，将各节点数据全部传输到服务器集中处理，需要消耗大量的带宽并产生较长时间的延迟，无法满足越来越大规模的分布式系统中对压缩数据快速、精准地重构的需求。已有的分布式贝叶斯算法通过将数据分解成公共部分和个体部分，利用变分贝叶斯推断进行迭代重构，但是由于其各个计算节点之间仅仅交互公共部分的数据信息，因此其各个计算节点不能获取到全局的信息，无法满足某些应用场景(例如在智能交通中，需要各个计算节点知道全局信息用以调节)，而且数据重构的速度和精度还有待提高。

发明内容

本发明的目的在于，提供一种基于分布式拟牛顿投影追踪的数据重构方法，它可以有效解决现有技术中存在的问题，实现更快速、更精确的进行数据重构，同时还可以获取全局信息，满足更多场景的需求。

为解决上述技术问题，本发明采用如下的技术方案：基于分布式拟牛顿投影追踪的数据重构方法，包括以下步骤：将待重构的数据分为公共部分和个体部分；各个计算节点将待重构数据的支撑集发送给邻居计算节点；各个计算节点根据自身计算出的支撑集和从邻居计算节点获得的支撑集，获得公共部分支撑集；各个计算节点根据公共部分支撑集、收集到的压缩数据、测量矩阵及公共部分和个体部分的稀疏度，迭代重构压缩数据。

优选的，具体包括以下步骤：

S1，将待重构的数据分为公共部分和个体部分；初始化各个计算节点的待重构数据的支撑集以及数据残差；

S2，各个计算节点将获得的最新的待重构数据的支撑集发送给邻居计算节点；

S3，各个计算节点根据自身计算出的最新的支撑集和从邻居计算节点获得的最新的支撑集，获得公共部分支撑集；

S4，各个计算节点利用MODQNPP函数，根据所述公共部分支撑集、收集到的压缩数据、测量矩阵及公共部分和个体部分的稀疏度，获得更新的待重构数据的支撑集、更新的重构的稀疏数据以及更新的数据残差；

S5，判断更新的数据残差的二范数的平方是否比上一次获得的数据残差的二范数的平方小？若是，则转到S2；否则将上一次获得的重构的稀疏数据作为最终的重构数据输出。

通过以上方法进行数据重构，尤其是通过结合MODQNPP函数进行数据重构，从而可以使得重构过程中数据迭代次数较少，重构速度较快，重构精度较高，并且能够使得各个计算节点获取到网络的全局信息。

更优选的，步骤S3中，计算节点根据自身计算出的最新的支撑集和从邻居计算节点获得的最新的支撑集，选择出现频率最高的前K^(c)个作为公共部分支撑集，其中，K^(c)为公共部分的稀疏度。通过该方法获取公共部分支撑集，从而能够保证在尽量准确的情况下计算更加简单，有利于提高数据重构的速度。