《感測網感知大數據近似計算方法的研究》是依託哈爾濱工業大學，由程思瑤擔任項目負責人的面上項目。
基本介紹
- 中文名：感測網感知大數據近似計算方法的研究
- 依託單位：哈爾濱工業大學
- 項目類別：面上項目
- 項目負責人：程思瑤
項目摘要,結題摘要,
項目摘要
隨著感測網技術的迅速發展和廣泛套用，感知數據的規模爆炸式地快速增長，目前許多感測網系統年產感知數據的規模已超過了PB量級，可以說感知大數據的時代已經來臨。與以往簡單的感知數據不同，感知大數據呈現出規模龐大、相關性強、質量不高等諸多新特徵，這使得感知數據計算方法的設計面臨許多挑戰。如果不解決這些挑戰性問題，信息社會的發展將遭遇極大的障礙，亦將極大影響國民經濟和社會的發展。為此，我們擬立此項目，集中開展感知大數據獲取與近似計算方法的研究，包括：高質量感知大數據獲取方法、感知大數據主成分分析與基於主成分的近似計算方法、(ε, δ)-近似計算方法以及低質量感知大數據的近似計算方法。我們擬提出一系列完整的理論與技術，解決感知大數據計算的部分關鍵問題，為促進我國國民經濟和社會發展做出貢獻。
結題摘要
隨著感測網技術的迅速發展和廣泛套用，感知數據的規模爆炸式地快速增長，目前許多感測網系統年產感知數據的規模已超過了PB 量級，可以說“感知大數據”的時代已經來臨。與以往簡單的感知數據不同，感知大數據呈現出“規模龐大”、“相關性強”、“質量不高”等諸多新特徵，這使得感知數據計算方法的設計面臨許多挑戰。在項目執行的四年里，我們針對感知大數據的各種挑戰，研究了高質量感知大數據獲取方法、感知大數據主成分分析與基於主成分的近似計算方法、(ε, δ)-近似計算方法以及低質量感知大數據的近似計算方法。發表學術論文28篇，標註21篇，其中國際一流刊物和一流會議論文15篇，國際重要會議和重要期刊論文12篇，出版學術專著1本，申請專利2項，培養博士研究生9人，已畢業取得博士學位5人，在國內外重要會議上做特邀報告、分組報告若干次，可以說圓滿地達到了預期的目的，為為促進我國國民經濟和社會發展做出一定的貢獻。
