基于调节网络和分布式学习的大数据多目标聚类方法研究

项目名称： 基于调节网络和分布式学习的大数据多目标聚类方法研究

项目编号： No.61371201

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： 尚荣华

作者单位： 西安电子科技大学

项目金额： 80万元

中文摘要： 本项目针对复杂分布大样本数据聚类时存在的聚类准则难以确定、高维数据属性难以有效度量和时间复杂度高等关键科学问题展开研究。将聚类看作一个优化过程，采用多目标优化框架，以增强聚类方法的鲁棒性和普适性。借鉴神经调节机理，建立具有容噪、泛化和记忆能力的调节网络模型。为解决调节网络高维复杂的结构特点，将分布式协同学习机理引入到多目标优化，建立分布式多目标学习算法，优化网络结构和参数，加快收敛速度，实现高效学习。建立基于调节网络和分布式学习模型的多目标聚类算法，分析并解决新模型与学习算法在求解复杂分布和大样本数据聚类中的关键问题，包括多目标学习框架构造、分布式学习策略设计、聚类有效准则设计以及计算复杂度分析等。在理论研究的基础上，开展新方法在复杂背景下的遥感图像分割和复杂网络结构分析等问题上的应用研究，以验证新模型和算法的有效性与先进性。

中文关键词： 智能计算；分布式学习；调节网络；多目标聚类；图像分割

英文摘要： This proposal focuses on the key techniques of big data clustering in determining clustering criterion，measuring the attributes of high dimensional data and lowing time complexity. Firstly, clustering is regarded as a multi-objective optimization problem

英文关键词： intelligent computing；distributed learning；regulation network；multi-objective clustering；image segmentation