云计算与智能信息处理重点实验室系列学术讲堂

2016-04-18 14:01:14.423   分类:学术讲座   阅读量:733 返回列表
活动/讲座时间:2016-04-19 晚上19:30
活动/讲座地点:成都校区1507云计算与智能信息处理重点实验室(筹)
活动/讲座嘉宾:文丹丹、安世勇
嘉宾介绍:

1、文丹丹,20126月获得四川大学学士学位,20156月获得四川大学理学硕士学位,20157月到校参加工作,曾指导学生获得2015年全国大学生数学建模竞赛三等奖和2016年美国大学生数学建模竞赛三等奖,目前研究方向为人工智能和数据挖掘,粒计算和粗糙集等。

2、安世勇,20126月获得河南周口师范学院学士学位,20156月获得西南交通大学理学硕士学位,20157月到校参加工作,曾指导学生获得2016年美国大学生数学建模竞赛二等奖,目前研究方向为人工智能和数据挖掘,三支决策和粗糙集等。


主要内容:


(1)报告人:文丹丹
报告题目:利用并行矩阵算法对不完备信息系统进行近似计算

摘要:随着数据量的急剧增加,如何对大规模的数据进行数据挖掘和知识发现将是一个巨大的挑战。粗糙集理论已经成功的应用于模式识别,机器学习和数据挖掘当中,其核心观点是:任意一个特定的集合都可以通过一个上边界和下边界来做近似,并且对近似的有效计算是利用粗糙集进行数据挖掘的关键。云计算模型MapReduce,因为其在大规模数据分析中的应用而得到了很多科学团队的关注。在本文作者的研究中,他们提出了基于MapReduce的方法来进行近似计算,该方法可以有效的处理完备数据,但是对不完备的数据失效。为了克服这个问题,作者提出了三种不同的基于并行矩阵的方法来处理大规模的不完备数据。这三种方法都是基于MapReduce并且已经在Twister上实现,这些方法已经在试验中证明可以有效的处理大规模数据。

关键词:粗糙集,数据挖掘,MapReduce,矩阵,不完备信息系统

(2)报告人:安世勇

报告题目:基于三支决策理论的半监督分类学习

摘要:粗糙集理论作为处理不精确、不一致和不完备信息的有效方法。通过不可分辨关系对对象空间进行划分,运用上下近似算子来刻画不确定知识。决策粗糙集模型是三支决策理论典型范例,由Yao于1989年提出。决策粗糙集模型是经典Pawlak粗糙集理论的概率拓展模型,该理论的核心内容是通过分析比较各种决策的风险损失,找出最小风险损失的决策,以此作为把对象划分到正域、负域和边界区域的依据。半监督学习(Semi-supervised Learning)是监督学习与无监督学习相结合的一种学习方法。是近年来模式识别和机器学习领域研究的重点问题,它主要考虑如何利用少量的标注样本和大量的未标注样本进行训练和分类的问题。半监督学习对于减少标注代价,提高学习机器性能具有非常重大的实际意义。在半监督分类问题中,待处理的数据对象仅有少量样本具有标记信息,而大量样本由于标记代价较大而无类别标记。如何把三支决策与半监督分类学习有机结合是当前数据挖掘领域热点研究问题之一。

关键词:粗糙集, 半监督, 最小冗余度, 约简, 属性子空间







图片新闻 更多>

最新更新 更多>