大数据挖掘的粒计算理论与方法

被引：99

作者：

梁吉业 ^{[1
,2
]}

钱宇华 ^{[1
,2
]}

李德玉 ^{[1
,2
]}

胡清华 ^{[3
]}

机构：

[1] 山西大学计算智能与中文信息处理教育部重点实验室

[2] 山西大学计算机与信息技术学院

[3] 天津大学计算机科学与技术学院

来源：

中国科学:信息科学 | 2015年 / 45卷 / 11期

关键词：

大数据; 数据挖掘; 模式发现; 粒计算; 信息粒化; 多粒度;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

大数据往往呈现出大规模性、多模态性以及快速增长性等特征.粒计算是智能信息处理领域中大规模复杂问题求解的有效范式.从推动大数据挖掘研究角度,本文首先概要地讨论了大数据的特征对可计算性、有效性与高效性提出的3大挑战;其次,结合粒计算的思维模式特点,概述了已有研究成果,分析论述了以粒计算应对大数据挖掘挑战的可行性,认为粒计算有望为大数据挖掘提供一条极具前途的崭新途径;最后,对大数据挖掘的粒计算理论与方法中的若干科学问题进行了梳理与展望,以期抛引这一领域的学术思考与研究工作.

引用

页码：1355 / 1369

页数：15

共 34 条

[1] 机器学习面临的挑战
张长水
[J]. 中国科学:信息科学, 2013, 43 (12) : 1612 - 1623
[2] 社会计算:大数据时代的机遇与挑战[J]. 孟小峰,李勇,祝建华.计算机研究与发展. 2013(12)
[3] 网络大数据:现状与展望
王元卓
靳小龙
程学旗
[J]. 计算机学报, 2013, 36 (06) : 1125 - 1138
[4] 信息系统中的信息粒与熵理论
梁吉业
钱宇华
[J]. 中国科学(E辑:信息科学), 2008, (12) : 2048 - 2065
[5] 粒及粒计算在逻辑推理中的应用
刘清
刘群
[J]. 计算机研究与发展, 2004, (04) : 546 - 551
[6] 一个科学新领域——开放的复杂巨系统及其方法论
钱学森
于景元
戴汝为
[J]. 自然杂志, 1990, (01) : 3 - 10+64
[7] 应用粗糙计算[M]. 科学出版社 , 胡清华, 2012
[8] Monotonic uncertainty measures for attribute reduction in probabilistic rough set model[J] . Guoyin Wang,Xi’ao Ma,Hong Yu.International Journal of Approximate Reasoning . 2015
[9] Parallel attribute reduction algorithms using MapReduce[J] . Jin Qian,Duoqian Miao,Zehua Zhang,Xiaodong Yue.Information Sciences . 2014
[10] Data-intensive applications, challenges, techniques and technologies: A survey on Big Data[J] . C.L. Philip Chen,Chun-Yang Zhang.Information Sciences . 2014

← 1 2 3 4 →