感知大数据近似计算技术——一些研究经历分享.pdfVIP

研究生辅导报告 感知大数据近似计算技术 ——一些研究经历分享 程思瑶 哈尔滨工业大学 提纲 一、感知大数据带来的机 遇与挑战 二、感知大数据计算问题 的研究经历分享 三、结论 提纲 一、感知大数据带来的机 遇与挑战 二、感知大数据计算问题 的研究经历分享 三、结论 感知大数据的来源 随着传感网、物联网等技术的飞速发展与广泛应 用，感知数据的规模呈爆炸式的增长 2007 全世界产生的感知数据已超过全世界存储容量  2010 年国际气象研究组织所获得的气象数据超过 感知大数据的时 2.5PB ，预计到2020 年超过100PB 2011 年全世界产生的感知数据已超过全世界拥有的存储 代已经来临 器总容量的二倍  欧洲大型强子对撞机监测系统，每天产生500EB 的 监测感知数据  北京出租车每年产生48PB 的GPS 数据，电子眼每年产生1440PB 监测数据 感知大数据的特性 作为Big Data 的一类重要实例，感知大数据具有 如下新特性 模态多样 规模庞大 Big Sensed Data 质量不高 冗余显著 感知大数据带来的机遇与挑战  高质量的感知大数据获取方法  如何在保证观测不失真、关键信息不丢失的前提  TB/PB 量级的感知大数据计算方法 下，采集、传输最少的感知数据？过滤最多的冗  如何有效的缩减参与计算的感知数据规模？突破  低质量感知大数据的计算方法 余信息？ 传统计算方法的约束、构建感知大数据新的计算  感知数据的质量与计算精度的关系怎样？如何利  多模态感知大数据的融合计算方法 方法学？ 用质量受限的感知数据完成满足用户精度需求的  不同模态的感知数据存在着怎样的相关性？如何构 计算？ 建多模态数据统一语义表示框架，使得不同模态的 数据可无障碍的交互？ 提纲 一、感知大数据带来的机 遇与挑战 二、感知大数据计算问题 的研究经历分享 三、结论 研究动机 缩减参与计算的感 知数据的规模 在观测精度允许范围内 在满足计算精度的前提下 采集尽可能少的感知数据 尽可能降低计算使用的数据量 高质量感知大数据的获取 (ε,δ)-近似计算技术 研究内容 一、高质量感知大数据的 获取方法 二、(ε,δ)-近似聚集计算 技术 高质量感知大数据获取