面向海量移动数据挖掘的过程神经网络算法与应用研究

移动通信的高速发展，产生了海量的、珍贵的数据资源，移动通信企业迫切需要通过数据分析和挖掘产生的知识来提高服务质量。与传统数据挖掘相比，面向移动环境的数据挖掘面临许多新的难题有待解决，不论在理论研究还是在应用技术上都受到广泛关注。.海量移动数据的产生、运行与演变，在逻辑上都是一种过程式的发展。采用过程神经网络模型，可以很好地捕捉海量移动数据的过程特性。本课题将研究并提出保持过程特征的移动数据流概化与提取方法、面向移动数据挖掘系统的大规模过程神经网络集成模型的建模方法、海量数据环境中的高效过程神经网络算法、过程神经网络模型的自适应性机制和过程神经网络模型与数据挖掘应用系统的"无缝"集成技术，研制开发基于过程神经网络的海量移动数据挖掘原型系统（PNN-MobileMiner），结合中国移动通信提供的真实数据，有效地挖掘出海量移动通信数据中蕴藏的深层次的知识和规律。