《面向分散式存儲大數據的極速學習機集成方法研究》是依託深圳大學，由何玉林擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向分散式存儲大數據的極速學習機集成方法研究
- 項目類別：青年科學基金項目
- 項目負責人：何玉林
- 依託單位：深圳大學
項目摘要,結題摘要,
項目摘要
如何利用分治-融合快速有效地處理分散式存儲大數據的分類問題是當前大數據研究的挑戰之一。針對這一挑戰，本項目在充分利用極速學習機（Extreme Learning Machine-ELM）訓練速度快和泛化能力好優勢的基礎上，通過對分散式存儲大數據執行基於機率密度函式估計的分治，構建不確定性框架下的ELM融合模型，使之能有效地解決TB級分散式存儲大數據的分類問題。主要的研究內容包括：（1）基於機率密度估計的分散式存儲大數據抽樣與劃分方法；（2）不確定性框架下的動態選擇性ELM集成學習算法與理論；（3）分散式ELM集成模型的MapReduce最佳化實現及其在智慧型電網大數據中的套用。預期研究成果將為針對分散式存儲大數據的分治-融合提供理論基礎，為分散式ELM集成學習系統的設計提供算法框架，為分散式存儲大數據的分類套用提供高可用性和高容錯能力的實現技術，促進分散式存儲大數據研究的技術創新和產業升級。
結題摘要
如何利用分治-融合快速有效地處理分散式存儲大數據的分類問題是當前大數據研究的挑戰之一。針對這一挑戰，本項目在充分利用極速學習機（Extreme Learning Machine-ELM）訓練速度快和泛化能力好優勢的基礎上，通過對分散式存儲大數據執行基於機率密度函式估計的分治，構建不確定性框架下的ELM融合模型，使之能有效地解決TB級分散式存儲大數據的分類問題。主要的研究內容包括：（1）基於機率密度估計的分散式存儲大數據抽樣與劃分方法；（2）不確定性框架下的動態選擇性ELM集成學習算法與理論；（3）分散式ELM集成模型的MapReduce最佳化實現及其在智慧型電網大數據中的套用。預期研究成果將為針對分散式存儲大數據的分治-融合提供理論基礎，為分散式ELM集成學習系統的設計提供算法框架，為分散式存儲大數據的分類套用提供高可用性和高容錯能力的實現技術，促進分散式存儲大數據研究的技術創新和產業升級。
