超并列模式分类器的问题分解与模块集成研究

人类基因组计划的生物数据挖掘、地球资源卫星的图像分类和Internet网页的信息检索等许多领域都需要一种高效的、能处理海量数据的模式分类器。本项目将从问题分解和模块集成二个方面，研究基于涌现理论的超并列模式分类器。首先针对大规模集群计算机和网格的特点，研究不依赖于领域专家知识的问题分解方法，从统计学习理论上研究问题分解方法与超并列模式分类器泛化能力的关系，寻找最优的通用问题分解规则，从理论上证明问题分解规则和基于涌现理论的模块集成策略的合理性，探讨最优的模块集成策略，从理论上分析超并列模式分类器泛化误差的界，通过在大规模集群计算机和网格上解决实际的大规模文本分类和技术专利分类问题，验证问题分解规则和模块集成策略的有效性。本研究对开拓基于大规模集群计算机和网格的模式分类方法、开发实用的海量数据模式分类方法和研究仿脑计算机系统都具有重要的意义。