文政颖，李运娣

(河南工程学院 计算机学院,河南 郑州 451191)

一种基于最大Lyapunov指数奇异分解的并行挖掘算法

文政颖，李运娣

(河南工程学院 计算机学院,河南 郑州 451191)

针对当前大数据挖掘并行计算采用多元线性回归分析方法导致的计算开销过大、挖掘准确度不高等问题，提出了一种基于最大Lyapunov指数奇异分解的大数据挖掘并行计算方法.该方法对大数据信息流进行高维相空间重构和QR分解，计算大数据流模型的最大Lyapunove指数谱，基于微积分极值理论构建大数据的Lyapunove指数谱的网格分布矩阵，采用奇异值分解方法对参与运算的大数据特征向量矩阵行分解，将大规模的数据挖掘计算问题变为一系列小规模的并行计算问题，实现了大数据挖掘中并行算法的改进.测试结果表明，采用该方法进行大数据挖掘的计算时间较短、内存开销较小、准确度高.

大数据；挖掘；最大Lyapunove指数；奇异值分解；并行算法

数据挖掘是通过提取数据信息流中的有用特征来估计数据中的关键信息参量，以实现数据采集和参量估计.大数据挖掘中的并行算法是在分布式云计算环境下进行数据的并行调度和网格化多线程处理的[1]，为了提高大数据的挖掘效率，需要进行数据挖掘的并行算法优化，研究大数据挖掘并行算法在数据库构建、云计算信息处理等领域也具有较高的应用价值.

传统方法中对大数据挖掘的并行处理主要有基于数据特征量的LU分解方法、QR分解……