17、分布式流网络中的违规解决

分布式流网络中的违规解决

在分布式流网络中，处理局部约束违规时，如何最小化通信需求是一个关键问题。本文将介绍不同数据集、评分函数、性能指标、对比算法以及实验结果，探讨在不同网络类型下解决违规的有效方法。

1. 数据集介绍

• Air-HM ：由二维向量表示空气中 NO 和 NO₂ 的浓度，单位为微克每立方米，共组装了 n 个数据分布高度相关的节点。
• Syn-HT-n（n = 16, 32, …, 1024） ：合成生成的异构数据集，由 n 个来自正态分布的随机 $\frac{n}{8}$ 维数据流（节点）组成。除了 8 个节点的数据方差在各维度上显著较高外，其他节点在各维度上的数据方差相同。
• RCV-HT-n（n = 16, 32, …, 256） ：基于路透社语料库（RCV1 - v2），该语料库包含 804,014 篇新闻故事，每篇故事被标记为属于 103 个内容类别中的一个或多个。将这些故事组装成 $\frac{n}{8}$ 个大致相等大小的超级类别，并为每个类别选择一个在该类别中占主导地位的术语。每个超级类别的故事被划分为 8 个节点，这些节点在 100 篇故事的滑动窗口内跟踪所有选定术语的出现情况，即局部向量为出现计数向量。除了对应超级类别术语的维度方差显著较高外，节点在其他维度上的数据分布方差大致相同。

2. 评分函数和局部约束

不同数据集定义了不同的评分函数和局部约束：
- Syn - HM、Syn - HT、RCV - HT </