推荐运营商商业智能计算 架 构 设 计.pptVIP

提纲 Part 1 商业智能计算架构设计 商业智能计算例子 运营商商业智能计算架构设计 开源数据分析软件Weka介绍 Part 2 大规模商业智能计算架构设计（云挖掘Hadoop) Map-Reduce方法 Classification (k-NN) 的MapReduce化 Part 3 安全商业智能计算架构设计 微分流形在安全云智能计算中的应用(Matlab) 数据分析带来的隐私保护问题 也可挖掘分析出感兴趣的私人信息。云挖掘中更加涉及到客户端把隐私数据交付给云端进行挖掘，客户对此会产生疑虑。 数据挖掘可以挖掘潜在规律、辅助决策、检测异常模式、恐怖活动和欺诈行为 隐私保护 安全云挖掘 在客户端向云端传送隐私数据时，可先进行随机化变换、加密 既不泄露隐私，又能保证挖掘结果的大致准确——隐私保护数据挖掘 安全云挖掘 Privacy-preserving Data Mining … Data conversion cryptology A Random Rotation Perturbation Approach to Privacy Data Classification Deriving Private Information from Randomized Data Privacy-Preserving Data mining A Framework for High Accuracy Privacy-Preserving Mining Hide sensitive individual data values from the outside world A valid and effcient decision model based on the distorted data can be constructed 设 M 是一个Hausdorff 拓扑空间, 若对每一点 都有 P 的一个开领域 U 和 的一个开子集同胚, 则称 M 为 n 维拓扑流形, 简称为 n 维流形. 微分流形：保持拓扑特性 几种流形学习算法 1 局部线性嵌入(LLE) S. T. Roweis and L. K. Saul. Nonlinear dimensionality reduction by locally linear embedding. Science, vol. 290, pp. 2323--2326, 2000. 3 拉普拉斯特征映射(Laplacian Eigenmap) M. Belkin, P. Niyogi, Laplacian Eigenmaps for Dimensionality Reduction and Data Representation. Neural Computation, Vol. 15, Issue 6, pp. 1373 –1396, 2003 .? 2 等距映射(Isomap) J.B. Tenenbaum, V. de Silva, and J. C. Langford. A global geometric framework for nonlinear dimensionality reduction. Science, vol. 290, pp. 2319--2323, 2000. LLE算法示意图 MDS 示意图 Dimensionality Reduction: ISOMAP Construct a neighbourhood graph For each pair of points in the graph, compute the shortest geodesic distances By: Tenenbaum, de Silva, Langford (2000) 安全云挖掘 怎样并行化进行微分流形变换，同时不影响挖掘结果 使用微分流形完成了几个隐私保护数据挖掘算法 安全云挖掘 分析的完整架构 逐步深入细化 安全云挖掘 大规模数据分析 数据分析 数据仓库 目前国内市场主要商业智能软件厂商有：金蝶、用友、IBM、Informatica、Power-BI、ORACLE(甲骨文)、SAP、SAS、Sybase、Analyzer、微软、菲奈特、和勤 * * * * * * * * * * * 网络 vs. 计算机性能 处理器速度每18个月翻一番 存储密度 每12个月翻一番 网络速度 每9个月翻一番 1986 to 2000 计算机: x 500 网络: x 340,000 2001 to 2010 计算机: x 60 网络: x 4000 光速每秒30万公里，30公里*80亿/3600＝6600万公里/秒，是光速的