認(rèn)知計(jì)算中基于機(jī)器學(xué)習(xí)的數(shù)據(jù)處理模型研究.pdf

1、隨著互聯(lián)網(wǎng)環(huán)境中數(shù)據(jù)規(guī)模的劇烈增長，從海量的數(shù)據(jù)中提取有意義的信息變得越來越困難。認(rèn)知計(jì)算技術(shù)作為人工智能領(lǐng)域的一個重要分支，在如今的互聯(lián)網(wǎng)環(huán)境下能夠起到十分重要的作用。而在認(rèn)知計(jì)算技術(shù)中，如何快速有效的完成數(shù)據(jù)的處理工作是在整個認(rèn)知計(jì)算系統(tǒng)中十分重要的一環(huán)。因此，本文主要研究認(rèn)知計(jì)算中基于機(jī)器學(xué)習(xí)的數(shù)據(jù)處理模型。
　　文章首先提出了一種認(rèn)知計(jì)算模型，然后研究了模型中可能用到的數(shù)據(jù)處理技術(shù)（分類、決策等）以及分布式環(huán)境下的任務(wù)調(diào)度

2、算法。總結(jié)起來，研究主要內(nèi)容和創(chuàng)新之處主要表現(xiàn)在如下幾個方面：
　　針對互聯(lián)網(wǎng)應(yīng)用的使用過程中產(chǎn)生大量的感知數(shù)據(jù)和數(shù)據(jù)流難以分析處理的問題，研究一種基于上下文感知數(shù)據(jù)流的認(rèn)知計(jì)算模型，實(shí)現(xiàn)對上下文感知數(shù)據(jù)的有效分析。此外，針對VFDT(Very Fast Decision Tree)算法選擇分裂屬性的隨機(jī)性導(dǎo)致準(zhǔn)確率不理想的問題，提出一種面向數(shù)據(jù)流的決策樹算法來對數(shù)據(jù)流進(jìn)行有效的分類。
　　針對互聯(lián)網(wǎng)中的海量信息有效性與否的

3、決策問題，提出一種基于深度置信網(wǎng)絡(luò)和線性感知器的認(rèn)知決策算法，在深度置信網(wǎng)絡(luò)訓(xùn)練結(jié)果的基礎(chǔ)上搭建一種具有錯誤控制功能的認(rèn)知決策模型，綜合考慮信息本身和上下文信息，最終給出信息有效與否的決策結(jié)果。
　　針對RAM(Reward optimAl Matching)算法中，資源隊(duì)列類別分類不準(zhǔn)確導(dǎo)致的任務(wù)調(diào)度效率不高的問題，提出了一種基于改進(jìn)型隊(duì)列匹配的任務(wù)調(diào)度算法來解決分布式的計(jì)算環(huán)境下的任務(wù)調(diào)度問題。該算法首先對資源進(jìn)行聚類，然后根