导读:本文包含了下降迭代算法论文开题报告文献综述及选题提纲参考文献，主要关键词:压缩传感,凸优化算法,贪婪迭代算法,最速下降法
下降迭代算法论文文献综述
叶坤涛,杨国珂,贺文熙[1]（2014）在《一种最速下降的贪婪迭代算法》一文中研究指出压缩传感应用于图像压缩重构的算法通常有凸优化算法和贪婪迭代算法两大类.一般而言,凸优化算法重构概率高、速度较慢,贪婪迭代算法具有较快的重构速度,但损失了重构质量.结合凸优化算法中的最速下降法及贪婪迭代算法中的正交匹配算法(OMP),提出了一种新的算法,并应用于一维信号和二维图像信号的压缩重构实验,且深入对比分析了不同降采样矩阵对新算法的影响.结果发现,对同一降采样矩阵,即使图像的纹理不同,新算法在重构质量及重构时间上都优于原始的OMP算法.(本文来源于《江西理工大学学报》期刊2014年05期）
罗爱宝[2]（2012）在《梯度下降类和EM类迭代算法的并行化研究》一文中研究指出数据的爆炸性增长已经成为目前机器学习和数据挖掘领域中的重要问题。面对如此迅速增长的数据,一般数据挖掘算法可能已经不再适用,需要设计并行化的算法并利用集群来并行化处理。在算法的并行化中,迭代类型的算法因为它所具备的特征不仅是计算密集型也是数据密集型,从而具有一定难度。研究有效和合理的并行化算法,已经势在必行。目前有许多并行化技术,MapReduce是目前较好的并行手段之一。结合Hadoop并行计算环境,算法研究人员能够集中精力在并行算法研究本身上。本文基于Hadoop MapReduce编程框架对海量数据处理中迭代类算法进行了并行化研究,从Pegasos算法着眼研究随机梯度下降类算法的并行化,从Kmeans算法的并行化着眼研究期望最大化类算法的并行化,给出实验和分析,总结这两类算法的并行化特征和难点,并给出并行思路。研究工作和成果主要如下：(1)对目前的数据挖掘算法并行化方法进行分析,着重探讨迭代类算法并行化思路,并分析并行算法的评价指标。(2)提出了一种针对海量数据的并行化Pegasos算法P-Pegasoso迭代类算法中梯度下降算法是一种常见的优化算法。P-Pegasos算法将并行化随机梯度下降算法的思想应用进来,首先将分布在各个计算节点上的海量数据并行随机打散成若干份数据子集。接着,再在每一份数据子集上执行基于随机梯度下降的Pegasos算法得出若干个局部优化结果,最后将这若干个结果进行均值融合得到最终结果。通过大量实验说明该算法是正确有效的,比其他并行化算法速度快,而且具有很好的加速性能和效率。同时进一步说明了梯度下降类算法的并行化具有很好的并行性能。(3)提出了一种针对海量数据的并行化Kmeans算法MR-P-Kmeanso Kmeans算法是另一常见的优化算法期望最大化算法的变种算法。MR-P-Kmeans通过不断重复的MapReduce作业完成Kmeans的迭代过程,直到Kmeans算法收敛。该算法能够完成单机Kmeans算法所不能完成的海量数据聚类任务,并且也有较好的加速效果和效率；同时该算法也存在着一定缺点,即时间相对较长,仅适用于无须太多迭代步骤就能快速收敛的EM类算法。(本文来源于《南京大学》期刊2012-05-01）
李坤然,谭骏珊[3]（2008）在《下降迭代算法对数值聚类分析技术的优化研究》一文中研究指出提出使用下降迭代算法对数值聚类分析技术进行优化。下降迭代通过设定函数,给出初始假设解,然后按照某种规则依次找到最优解。首先介绍常用聚类算法,从而引出下降迭代法聚类。通过实验证明了下降迭代算法对数值聚类优化的可行性。(本文来源于《信息技术》期刊2008年03期）
下降迭代算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
数据的爆炸性增长已经成为目前机器学习和数据挖掘领域中的重要问题。面对如此迅速增长的数据,一般数据挖掘算法可能已经不再适用,需要设计并行化的算法并利用集群来并行化处理。在算法的并行化中,迭代类型的算法因为它所具备的特征不仅是计算密集型也是数据密集型,从而具有一定难度。研究有效和合理的并行化算法,已经势在必行。目前有许多并行化技术,MapReduce是目前较好的并行手段之一。结合Hadoop并行计算环境,算法研究人员能够集中精力在并行算法研究本身上。本文基于Hadoop MapReduce编程框架对海量数据处理中迭代类算法进行了并行化研究,从Pegasos算法着眼研究随机梯度下降类算法的并行化,从Kmeans算法的并行化着眼研究期望最大化类算法的并行化,给出实验和分析,总结这两类算法的并行化特征和难点,并给出并行思路。研究工作和成果主要如下：(1)对目前的数据挖掘算法并行化方法进行分析,着重探讨迭代类算法并行化思路,并分析并行算法的评价指标。(2)提出了一种针对海量数据的并行化Pegasos算法P-Pegasoso迭代类算法中梯度下降算法是一种常见的优化算法。P-Pegasos算法将并行化随机梯度下降算法的思想应用进来,首先将分布在各个计算节点上的海量数据并行随机打散成若干份数据子集。接着,再在每一份数据子集上执行基于随机梯度下降的Pegasos算法得出若干个局部优化结果,最后将这若干个结果进行均值融合得到最终结果。通过大量实验说明该算法是正确有效的,比其他并行化算法速度快,而且具有很好的加速性能和效率。同时进一步说明了梯度下降类算法的并行化具有很好的并行性能。(3)提出了一种针对海量数据的并行化Kmeans算法MR-P-Kmeanso Kmeans算法是另一常见的优化算法期望最大化算法的变种算法。MR-P-Kmeans通过不断重复的MapReduce作业完成Kmeans的迭代过程,直到Kmeans算法收敛。该算法能够完成单机Kmeans算法所不能完成的海量数据聚类任务,并且也有较好的加速效果和效率；同时该算法也存在着一定缺点,即时间相对较长,仅适用于无须太多迭代步骤就能快速收敛的EM类算法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
下降迭代算法论文参考文献
[1].叶坤涛,杨国珂,贺文熙.一种最速下降的贪婪迭代算法[J].江西理工大学学报.2014
[2].罗爱宝.梯度下降类和EM类迭代算法的并行化研究[D].南京大学.2012
[3].李坤然,谭骏珊.下降迭代算法对数值聚类分析技术的优化研究[J].信息技术.2008