點(diǎn)擊視頻觀看（時(shí)長(zhǎng)53分鐘）

內(nèi)容概要：

1.“大云（Big Cloud）”計(jì)劃

中國(guó)移動(dòng)研究院為打造中國(guó)移動(dòng)云計(jì)算基礎(chǔ)設(shè)施而實(shí)施的關(guān)鍵技術(shù)研究及原型系統(tǒng)開(kāi)發(fā)計(jì)劃

2.Big Cloud 技術(shù)架構(gòu)

3.MapReduce系統(tǒng)架構(gòu)

4.大云數(shù)據(jù)挖掘平臺(tái)

5.神經(jīng)網(wǎng)絡(luò)算法

        把整個(gè)神經(jīng)網(wǎng)絡(luò)的神經(jīng)元?jiǎng)澐殖刹煌瑢哟?，?duì)同層次內(nèi)的不同神經(jīng)元進(jìn)行并行參數(shù)計(jì)算，并通過(guò)統(tǒng)一調(diào)度和精度控制對(duì)神經(jīng)元進(jìn)行快速的并行化訓(xùn)練。訓(xùn)練完畢后，對(duì)于每一個(gè)輸入，通過(guò)并行化神經(jīng)網(wǎng)絡(luò)快速地得到輸出

6.并行聚類(lèi)算法Clusterers4MR

       聚類(lèi)算法應(yīng)對(duì)用戶(hù)提供的全體數(shù)據(jù)集，按照一定的聚類(lèi)原則，自動(dòng)聚成幾簇。每個(gè)簇內(nèi)的數(shù)據(jù)應(yīng)具有很高的相似性。應(yīng)提供的功能包括：

（1）自動(dòng)聚類(lèi)：將數(shù)據(jù)集形成簇模型；

（2）預(yù)測(cè)：依據(jù)形成的簇模型，對(duì)新數(shù)據(jù)判定所屬的簇。

并行聚類(lèi)規(guī)則算法包括：k均值算法、Clara聚類(lèi)算法、DBScan聚類(lèi)算法。

7.并行關(guān)聯(lián)規(guī)則算法Associations4MR

關(guān)聯(lián)規(guī)則挖掘工具以選定的客戶(hù)消費(fèi)記錄全集作為輸入，分析消費(fèi)記錄中各消費(fèi)項(xiàng)間依賴(lài)關(guān)系，產(chǎn)生規(guī)則描述各消費(fèi)項(xiàng)之間同時(shí)出現(xiàn)的規(guī)律。

關(guān)聯(lián)規(guī)則算法包括：并行PApriori算法、并行PFPgrowth算法、并行PAwfits算、時(shí)序關(guān)聯(lián)規(guī)則。

8.時(shí)序關(guān)聯(lián)規(guī)則算法

時(shí)序關(guān)聯(lián)規(guī)則挖掘算法主要可以用于發(fā)現(xiàn)交易序列中的頻繁模式。因?yàn)榻灰仔蛄芯哂袝r(shí)間性，因此各數(shù)據(jù)項(xiàng)集之間存在時(shí)間上的先后關(guān)系，“買(mǎi)A又買(mǎi)B的顧客往往還會(huì)買(mǎi)C”的規(guī)則轉(zhuǎn)變成了“買(mǎi)A后又買(mǎi)B的顧客往往會(huì)接下來(lái)再買(mǎi)C”或者“買(mǎi)B后又買(mǎi)A的顧客往往會(huì)接下來(lái)再買(mǎi)C”，在時(shí)序關(guān)聯(lián)規(guī)則算法中，這后兩者是不同的兩個(gè)關(guān)聯(lián)規(guī)則。

9.基于數(shù)據(jù)挖掘的數(shù)據(jù)業(yè)務(wù)精確營(yíng)銷(xiāo) 

本PPT課件部分頁(yè)面引自其他專(zhuān)家的PPT，在此致以衷心感謝！

劉鵬教授是中國(guó)信息協(xié)會(huì)大數(shù)據(jù)分會(huì)副會(huì)長(zhǎng)，中國(guó)云計(jì)算（chinacloud.cn）、中國(guó)大數(shù)據(jù)（thebigdata.cn）網(wǎng)站的創(chuàng)始人，《云計(jì)算》教材作者。