基于人工智能技术的大数据分析方法研究进展

发布时间：2021-04-28 01:24

　　人工智能、大数据、云计算、物联网等信息技术为推动集成制造快速发展提供了关键技术手段。近年来,采用人工智能技术进行大数据分析取得了突破性进展。系统总结了基于人工智能技术的大数据分析方法的最新研究进展。从大数据的聚类、关联分析、分类和预测4个主要的数据挖掘任务出发,分析了大数据环境下机器学习的研究现状;针对深度学习这一热点,总结了基于MapReduce、Spark的分布式深度学习实现,以及面向大数据分析的深度学习算法改进相关研究;从群智能、进化算法两方面梳理了基于计算智能的大数据分析相关研究;针对大数据平台,特别对大数据分析和深度学习集成框架进行了归纳,介绍了大数据机器学习系统和算法库;分析了大数据分析中人工智能技术面临的主要挑战,并提出了进一步的研究方向。 

【文章来源】：计算机集成制造系统. 2019,25(03)北大核心EICSCD

【文章页数】：19 页

【文章目录】：
1 问题的提出
2 基于机器学习的大数据分析
    2.1 大数据聚类
    2.2 大数据关联分析
        2.2.1 Apriori关联规则挖掘
        2.2.2 FP-Growth关联规则挖掘
        2.2.3 关联规则挖掘的应用
    2.3 大数据分类
    2.4 大数据预测
3 基于深度学习的大数据分析
    3.1 基于MapReduce的深度学习分布式实现
    3.2 基于Spark的深度学习分布式实现
    3.3 面向大数据分析的深度学习算法的改进
4 基于计算智能的大数据分析
    4.1 基于群智能的大数据分析
        4.1.1 基于粒子群优化的大数据分析
        4.1.2 基于其他群智能算法的大数据分析
    4.2 基于进化算法的大数据分析
5 大数据平台
    5.1 大数据分析和深度学习集成框架
        5.1.1 SparkNet
        5.1.2 DeepSpark
        5.1.3 Deeplearning4j on Spark/Hadoop
        5.1.4 CaffeOnSpark
        5.1.5 TensorFlowOnSpark
        5.1.6 Spark on PADDLE
    5.2 大数据机器学习系统和算法库
6 面临的挑战及进一步的研究方向
    6.1 面临的挑战
    6.2 进一步的研究方向
7 结束语


【参考文献】：
期刊论文
[1]Angel: a new large-scale machine learning system[J]. Jie Jiang,Lele Yu,Jiawei Jiang,Yuhong Liu,Bin Cui.  National Science Review. 2018(02)
[2]基于萤火虫算法和动态优先级的多QoS云工作流调度[J]. 郑宏升,俞东进,张蕾.  计算机集成制造系统. 2017(05)
[3]基于工业大数据的晶圆制造系统加工周期预测方法[J]. 朱雪初,乔非.  计算机集成制造系统. 2017(10)
[4]大数据背景下的云联盟数据资源服务组合模型[J]. 张影,翟丽丽,王京.  计算机集成制造系统. 2016(12)
[5]基于改进差分进化算法的云制造资源优化组合方法[J]. 朱李楠,王万良,沈国江.  计算机集成制造系统. 2017(01)
[6]面向半导体制造的大数据分析平台[J]. 杨俊刚,张洁,秦威,张启华,康盛.  计算机集成制造系统. 2016(12)
[7]基于大数据的智慧工厂技术框架[J]. 吕佑龙,张洁.  计算机集成制造系统. 2016(11)
[8]基于分解策略的多目标演化子集选择算法[J]. 钱超,周志华.  中国科学:信息科学. 2016(09)
[9]主动制造——大数据驱动的新兴制造范式[J]. 姚锡凡,周佳军,张存吉,刘敏.  计算机集成制造系统. 2017(01)
[10]大数据的分布式机器学习的策略与原则[J]. Eric P.Xing,Qirong Ho,Pengtao Xie,Wei Dai.  Engineering. 2016(02)

硕士论文
[1]基于MapReduce和深度学习的负荷分析与预测[D]. 杨佳驹.东南大学 2016
[2]关联规则挖掘的并行化算法研究[D]. 刘智勇.东南大学 2016



本文编号：3164527