[发明专利]基于混合公共因子分析器的分布式高维数据分类方法

摘要

本发明公开了基于混合公共因子分析器的分布式高维数据分类方法，该方法通过网络中不同节点之间的协作，以分布式方式实现高维数据的分类。各个节点处用混合公共因子分析器来建模其高维数据的分布，整个分类分成训练和识别两个部分。在训练过程中，首先进行模型参数的初始化和局部计算，然后将计算好的三组中间变量进行广播扩散，当节点收到其邻居节点广播来的中间变量时，计算联合统计量并完成参数的估计，该过程不断迭代直至收敛。在识别阶段，待分类的数据输入任一节点，计算其关于训练出的每一类数据所对应的模型的对数似然值，将最大对数似然值对应的类别作为识别结果。采用本方法可以实现高维数据的分布式降维，网络中的每个节点都获得较高并且一致的分类性能，此外节点间只传输交互中间变量可以有效地保护数据的隐私。

主权项

1.基于混合公共因子分析器的分布式高维数据分类方法，其特征在于，所述方法包括：步骤1，数据的采集；设有M个节点组成一个网络，每个节点采集到的数据来自V个类，数据维度为p；其中，节点m采集到的所有数据中，来自第v个类的数据集为其中表示节点m处，来自第v个类的第n个数据，为数字第v个类的训练数据个数；此外，节点m的邻居节点集合表示为R_m；步骤2，训练：对于所有节点中来自于第v个类的数据用混合公共因子分析器(MCFA)来描述其分布，并且采用分布式方式完成模型的训练，估计出参数用同样的方式估计出每一类数据所对应的MCFA的参数集Θ^(v)(v＝1,...,V)；其中为混合权值，满足(q维矢量)和((q×q)矩阵)分别为与p维数据对应的q维因子所服从的高斯分布的均值和协方差矩阵，q取p/2～p/8之间的任意整数,L和E矩阵中的每一个元素都从标准正态分布N(0,1)中生成；步骤3，识别：当网络中的任一节点采集到新的用于识别的数据x'时，计算x'关于Θ(v)(v＝1,...,V)的对数似然值logp(x'|Θ(v))(v＝1,...,V)：将最大对数似然值对应的序号作为x'的识别结果v'：