《大数据上的复杂关系与类分布结构发现-深圳大学》由会员分享，可在线阅读，更多相关《大数据上的复杂关系与类分布结构发现-深圳大学（1页珍藏版）》请在金锄头文库上搜索。
1、成果名称 :大数据上的复杂关系与类分布结构发现完成单位 :深圳大学主要人员 :王熙照、李俊杰、陈小军、何玉林、赵士欣课题来源与背景： 大数据处理的一个最基本的需求就是能够建立一个大数据上的分类预测模型，该模型有着很好的分类性能，在现有的计算资源上可实现或在可接受的时间范围内在线实现，并能结合实际行业大数据的具体特征，给出此行业行为和分类的准确预测。研究目的与意义：本项目成果研究了大数据上复杂关系的发现和类分布结构的挖掘，直接决定着在现有的计算资源上模型建立与实现的可能性，直接影响着如果模型能建立起来模型的分类精度这一核心指标，并直接关联到行业大数据的具体属性特征的预处理，对不同领域大数据分类计
2、算模型建立这一根本需求起到了一个瓶颈作用。主要论点与论据：（1）分类器的泛化能力通常是指其在未参与训练的样本上的的预测精度，而分类器的不确定性是指分类器输出的不清晰程度可用输出向量的模糊性表示，二者之间不存在一个明确的关系包括统计关系。如何挖掘和表示出这种关系，是一个极具挑战性但有十分有意义介绍 :的问题。我们的研究将分类问题的复杂性融入到了这种关系中，通过分析数据的分布特征和概率密度函数表示，结合大量的数值模拟试验，发现这种关系随分类问题的复杂性的变化而变化。（ 2）多隐含层前馈神经网络的深度学习机制大致包含两部分内容：1）无监督逐层贪婪训练阶段； 2）有监督 fine-tuning迭代阶段
3、。为了显著地提高神经网络的泛化能力，该机制被应用在了很多领域，但目前尚没有充足的证据表明究竟是该机制的哪一部分在提高神经网络泛化能力方面起着主导作用。这一议题也一直是深度学习领域争论的焦点。针对这一争论，本项目成果提出了一种新的训练多隐含层前馈神经网络的深度学习方法。创见与创新： 本项目成果的主要特色是通过发现和表示大数据中的不确定性，挖掘大数据的结构分布，进而利用分布并行技术，设计并实现适用于不同类型大数据的分类和聚类算法，以及相应的关键技术和理论问题研究。社会经济效益： 本项目的研究成果可应用于大数据的分类和聚类算法，这类算法在大数据分析处理中具有重要的应用，可以为大数据分析处理相关公司的核心技术带来效率和效果上的改变，从而具有广阔的商业前景和经济效益。批准登记号 :粤科成登（ 2）字【 2018】0253登记日期 :2018-06-08研究起止时间 : 2015.08 至 2017.08所属行业 :信息传输、软件和信息技术服务业所属高新技术类别 :评价单位名称 :深圳市科技创新委员会评价日期 :2017.12.28
