技術(shù)特征：

1.一種提高大數(shù)據(jù)處理質(zhì)量的方法，其特征在于，包括如下步驟：

(1)根據(jù)收集到的數(shù)據(jù)特性，對(duì)要優(yōu)化數(shù)據(jù)進(jìn)行分析：如果數(shù)據(jù)處理問題是否是求解函數(shù)的最小值優(yōu)化問題：是則轉(zhuǎn)步驟(2)；否則，通過對(duì)數(shù)據(jù)的正則化處理，轉(zhuǎn)化為求解最小值優(yōu)化問題，轉(zhuǎn)步驟(2)；

(2)建立最小值優(yōu)化模型其中Rⁿ為實(shí)數(shù)域的n維向量，f(X)為目標(biāo)函數(shù)，是一個(gè)二次連續(xù)可微的非線性函數(shù)，X為n維向量；

(3)選取梯度類優(yōu)化方法，所述方法包括梯度下降法、牛頓法和L-BFGS方法；具體根據(jù)選取的優(yōu)化方法，引入Powerball函數(shù)，建立Powerball迭代公式，進(jìn)行迭代；所述Powerball函數(shù)表達(dá)式σ_γ(z)＝sign(z)|z|^γ，γ∈(0,1)為Power系數(shù)，z∈R；

對(duì)于梯度下降法，對(duì)應(yīng)的Powerball迭代公式為：

對(duì)于牛頓法，對(duì)應(yīng)的Powerball迭代公式為：

X(k+1)＝X(k)-(▽²f(X(k)))^-1σ_γ(▽f(X(k)))；

對(duì)于L-BFGS方法，對(duì)應(yīng)的Powerball迭代公式為：

其中，是目標(biāo)函數(shù)的Hesse矩陣的逼近矩陣，與Hesse矩陣有相同的維數(shù)；S_k＝X(k+1)-X(k)，是與X(k)有相同的維數(shù)的向量；X(k+1)＝X(k)+α_kd_k，Y_k＝▽f(X(k+1))-▽f(X(k))，即

式中，▽f(X)為目標(biāo)函數(shù)f(X)的梯度；▽²f(X)為目標(biāo)函數(shù)f(X)的Hesse矩陣；k是迭代次數(shù)，取值為0，1，2，……，α_k為第k次迭代時(shí)的步長(zhǎng)，X(k) 為第k次迭代得到的逼近值；當(dāng)k＝0時(shí)，B_k初值取為單位矩陣，X(k)的初值X(0)可任意選??；σ_γ(·):R→R為Powerball函數(shù)σ_γ對(duì)目標(biāo)函數(shù)梯度的非線性變換即Powerball變換；

(4)判斷收斂性，具體判斷方法如下：

當(dāng)目標(biāo)函數(shù)是強(qiáng)凸函數(shù)，且其梯度滿足L-Lipschitz條件時(shí)，則判別迭代次數(shù)是否大于N；是則迭代結(jié)束，輸出最優(yōu)值X(k+1)；否則繼續(xù)迭代；

當(dāng)目標(biāo)函數(shù)不是強(qiáng)凸函數(shù)，或其梯度不滿足L-Lipschitz條件時(shí)，則判斷||X(k+1)-X(k)||＜ε是否成立，是則迭代結(jié)束，輸出最優(yōu)值X(k+1)；否則繼續(xù)迭代；ε為誤差精度，根據(jù)精度要求和計(jì)算量權(quán)衡；

其中，N為預(yù)設(shè)的迭代次數(shù)上限。

2.根據(jù)權(quán)利要求1所述提高大數(shù)據(jù)處理質(zhì)量的方法，其特征在于，所述步驟(4)中的L-Lipschitz條件為：

對(duì)任意X,Y∈Rⁿ，函數(shù)f(X)滿足下式：

||▽f(Y)-▽f(X)||≤L||Y-X||；||·||表示向量的任意范數(shù)，L＞0為L(zhǎng)ipschitz常數(shù)，選取為目標(biāo)函數(shù)梯度的范數(shù)的一個(gè)上界；

所述強(qiáng)凸函數(shù)是指函數(shù)f(X)對(duì)任意X∈Rⁿ，

是凸函數(shù)；

上式中，||·||₂則表示取2-范數(shù)；為向量X二范數(shù)的平方，m為大于零的常數(shù)。

3.根據(jù)權(quán)利要求2所述提高大數(shù)據(jù)處理質(zhì)量的方法，其特征在于，所述步驟(4)中，可以最少的迭代次數(shù)得到最優(yōu)值X(k)；其中為L(zhǎng)yapunov函數(shù)。

4.根據(jù)權(quán)利要求1所述提高大數(shù)據(jù)處理質(zhì)量的方法，其特征在于，所述步驟(3)中，所述Power系數(shù)γ∈(0,1)取值大小，根據(jù)誤差精度ε確定；誤差精度ε越大，γ的取值越小，算法的收斂速度越快。

5.根據(jù)權(quán)利要求1所述提高大數(shù)據(jù)處理質(zhì)量的方法，其特征在于，所述γ根據(jù)迭代次數(shù)自適應(yīng)方式選擇：

其中γ₀，γ₁分別為γ的初值和終值，優(yōu)化值取γ₀＝0.1，γ₁＝0.9，N為迭代次數(shù)上限。

6.根據(jù)權(quán)利要求1所述提高大數(shù)據(jù)處理質(zhì)量的方法，其特征在于，步驟(3)迭代方法如下：

(1)對(duì)于One-bit梯度下降法，令Powerball函數(shù)σ_γ(z)＝sign(z)|z|^γ中取γ＝0；此時(shí)σ_γ(z)＝sign(z)，z∈R，迭代公式為：

(2)對(duì)于隨機(jī)變量的Powerball方法，建立Powerball迭代公式如下；

式中，其中f_j(X)，j＝1,2,...,l為滿足L-Lipschitz梯度的、二階連續(xù)可微的強(qiáng)凸函數(shù)，其中是每一次迭代時(shí)隨機(jī)選取的。

7.根據(jù)權(quán)利要求2或3所述提高大數(shù)據(jù)處理質(zhì)量的方法，其特征在于，所述步驟(4)中，m選為目標(biāo)函數(shù)的Hesse矩陣的最小特征值的絕對(duì)值。