基于二项--泊松的高斯随机聚类数学建模稳定性验证

摘要：

大数据的聚类过程是高斯随机过程，因此在大数据分类中，构建稳健的数据分类模型，提高数理统计能力至关重要。二项-泊松模型具有全局解的凸优化随机聚类性能，利用二项-泊松模型对高斯随机性数据处理的优势，在有限维空间中，进行数据聚类分析。构建二项-泊松模型的KKT条件，取得二项-泊松模型的边值周期解多项式核，进行高斯聚类特征分解，得出Schur complement泛函准则，建立二项-泊松模型的数理统计大数据分类系统，最终验证了稳定性。推导结果表明，利用二项-泊松模型在高斯随机大数据分类过程中是稳定收敛的，有效提高了大数据的数理统计和分析能力。

关键词：二项-泊松模型、高斯过程、数据分类、数理统计

所属期刊栏目：32

分类号：O177(数学分析)

在线出版日期：2016-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：9-12,30