面向大规模卡尔曼滤波的数据素描
应用统计
2017-06-07 v2 信息论
math.IT
摘要
在数据生成呈指数级增长的时代，利用全部可用信息来执行推理任务并不总是一个可负担的选择。本文提出了通过处理减少的数据量，使得通过 Kalman 滤波器跟踪大规模动态过程变得可负担的方法。引入了三种不同的方法来减少滤波器校正步骤中涉及的数据量。为此，前两种方法分别采用随机投影和基于新息的删减来实现降维和测量选择。第三种方法通过利用观测的顺序处理并基于信息论度量选择少量信息性更新来实现复杂度的降低。在合成数据上的仿真将所提出的方法与竞争替代方案进行了比较，并证实了它们在降低复杂度方面的估计准确性的有效性。最后，将大规模网络监控作为应用领域，在 Kronecker 图上测试了所提出的方法，以评估其在跟踪流量矩阵和时变链路成本方面的效率。
引用
@article{arxiv.1606.08136,
title = {Data Sketching for Large-Scale Kalman Filtering},
author = {Dimitris Berberidis and Georgios B. Giannakis},
journal= {arXiv preprint arXiv:1606.08136},
year = {2017}
}