基于核学习的大型复杂数据挖掘理论与方法研究

项目名称： 基于核学习的大型复杂数据挖掘理论与方法研究

项目编号： No.61371178

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 无线电电子学、电信技术

项目作者： 潘正祥

作者单位： 哈尔滨工业大学

项目金额： 80万元

中文摘要： 大型复杂数据挖掘应用前景广阔，准确预报故障以及快速检测和识别故障是提高系统可靠性、减少事故危害的关键问题。如何从大量杂乱无章数据中抽取出有用信息并作为状态的依据，一直是数据挖掘领域的研究热点问题。目前大型复杂数据挖掘广泛存在非线性、不确定性、结构特性和多源性等问题，本项目研究更适合大型复杂数据特点的数据挖掘新方法、新技术。针对大型复杂数据所具备的特点进行相应的研究工作，将核学习思想用于大型复杂数据的分类、聚类、时间序列预测以及不确定问题，提出了核自适应学习的思想，核结构自适应于输入数据分布，有效提升大型复杂数据分类和聚类的性能；提出了自适应核递归方法并将其用于复杂时间序列的预测，提升时间序列的预测精度；搭建了基于核学习的大型数据挖掘验证平台，建立核学习的综合数据评价体系与标准。

中文关键词： 数据分析；核学习；机器学习；；

英文摘要： Big size of complex data mining has a wide application. The accurate prediction of failure and rapid detection and identification of failure to improve system reliability, reduce accident hazards. How to extract useful information from a large number of s

英文关键词： Data Analysis；Kernel Learning；Machine Learning；；