智慧型計算在大數(shù)據(jù)分析之應用

在數(shù)據(jù)爆炸量、多樣化以及數(shù)據(jù)更新快速的時代下，大數(shù)據(jù)分析之應用日益受到重視，在商業(yè)智慧領域也無法避免;過去所處理的數(shù)據(jù)大都是屬于結(jié)構(gòu)性，亦為傳統(tǒng)數(shù)據(jù)庫用于協(xié)助解決商業(yè)行為的數(shù)據(jù)結(jié)構(gòu);近年來，由于數(shù)據(jù)產(chǎn)生的多元性，數(shù)據(jù)的產(chǎn)生有「4V」特性，即數(shù)據(jù)量大(Volume)、數(shù)據(jù)多樣性(Variety)、高誤差性(Veracity)、輸入和處理速度快(Velocity)，尤其非結(jié)構(gòu)數(shù)據(jù)(如Text, image, video等)的大量形成，強烈沖擊傳統(tǒng)數(shù)據(jù)庫的技術與應用;同時，因為大數(shù)據(jù)數(shù)據(jù)類別多、形成速度快，因此云端技術的支援與數(shù)據(jù)傳輸速度的充足與否，便是其能否順利運作的重要關鍵，如訂票系統(tǒng)、觀看影片等，當數(shù)據(jù)都上傳至云端時，除了有大量的數(shù)據(jù)存取空間外，頻寬也必需充足，才能讓使用者可及時下載所需數(shù)據(jù)。

成都創(chuàng)新互聯(lián)公司主營連云網(wǎng)站建設的網(wǎng)絡公司,主營網(wǎng)站建設方案,成都App定制開發(fā),連云h5小程序開發(fā)搭建,連云網(wǎng)站營銷推廣歡迎連云等地區(qū)企業(yè)咨詢

但就因為數(shù)據(jù)產(chǎn)生越來越多、瞬間產(chǎn)生越來越快、樣式越來越大，而且有不正確性、雜訊等干擾因素存在，因此軟、硬體設備都需要升級，才能因應龐大且迅速產(chǎn)生的數(shù)據(jù)量。幸而Hadoop分散式并行處理系統(tǒng)的開發(fā)，讓數(shù)據(jù)在夠快的網(wǎng)路速度下可進行多個CPU的平行運算;此外，固態(tài)硬碟亦為大量數(shù)據(jù)儲存的重要硬體設備;換句話說，CPU的平行運算、固態(tài)硬碟、及網(wǎng)路速度，在大數(shù)據(jù)的數(shù)據(jù)處理上，叁者缺一不可。本校張百棧教授所帶領的商業(yè)智慧團隊，其核心技術就在于處理大數(shù)據(jù)下之非結(jié)構(gòu)性數(shù)據(jù)，利用智慧運算(Computational Intelligence, CI)技術，對非結(jié)構(gòu)性數(shù)據(jù)進行數(shù)據(jù)探勘(Data Mining)，而主要應用的領域在于股價訊號判定以及心跳數(shù)據(jù)判定，尤其是在股價訊號判定部分，該團隊可進一步利用機器學習(Machine Learning)的方式進行股價預測。

智慧型計算技術應用在病例數(shù)據(jù)之判讀

張百棧教授所帶領的團隊一直以來致于推廣智慧型計算，并結(jié)合各域知(Domain Knowledge)解決同類型之問題，包括工廠排程問題、股市預測與醫(yī)療資訊叁大域。過去多年之研究在于結(jié)合四項智慧型計算技術：即探勘策、(類)經(jīng)計算、演化式計算與自然計算，提出創(chuàng)新的Hybrid Model in Computational Intelligence (CI)，用SOM (Self-Organizing Maps) 或K-means 先將資做分群，再將分群后的資找出其模煳資規(guī)則，進新的預測，所得到的正確比沒有分群高出許多。這是因為分群后的資同質(zhì)性高，從而求得之模煳資規(guī)則也具有代表性。此一模型也被國際上許多學者接受與引用。

該團隊亦將此一模式進行改良，并應用于醫(yī)療領域中生理訊號處理與病例辨等問題。首先，將資以案例式推理方法分群，之后以模煳決策樹與基因演算法，分別建立子群體之模煳規(guī)則，藉此判斷是否為肝臟疾病與乳腺癌的病例，此項研究成果已發(fā)表在著名的Applied Soft Computing期刊上。近年發(fā)展出多導程心電圖之心臟疾病辨，主要著重在心電訊號的處理：先將解碼后的心電訊號除去雜訊，并進行波型取樣，再以隱藏式馬可夫模型訓練方式，找出患病與健康病例之機模型，最后結(jié)合高斯混合模型的訓練，進病例判讀。目前臺灣已有知名醫(yī)院將患者的心電圖資訊上傳至云端，讓醫(yī)師可以從智慧型裝置直接做判讀，但由于心電圖的判讀頗費心力，部份醫(yī)院會將這部分的工作外包，由具專業(yè)知識的全球人才進行心電圖的分析，然后再以機器學習演算法(Machine Learning )的方式進行病歷數(shù)據(jù)判讀與建立數(shù)據(jù)庫，這也就是大數(shù)據(jù)的應用。

分群技術與 TSK 模煳技術之股價指預測

此一團隊亦運用各種軟性計算技術，建立股價指預測之模型。其預測步驟是先將資分群，而后運用TSK 模煳技術找出影響股價指數(shù)的重要因素，再以機器學習演算法或類神經(jīng)網(wǎng)絡分析，進臺灣加權指預測，并從中判定低點、高點的訊號，預測準確達到9成以上。目前此一預測模式僅納入兩個影響因子，分別為基本面和技術面;但如政治、經(jīng)濟、心理等「大環(huán)境」因素是最難控制的，因此未來可將出現(xiàn)在各線上新聞網(wǎng)站或社群媒體等之政經(jīng)新聞中的文字，經(jīng)處理、過濾后轉(zhuǎn)換成影響股價波動的情感訊號，準確率將可望再提高，有助于降低投資風險，并提高投資報酬。

個股股價轉(zhuǎn)折點及潤賺取預測

圖一、方法流程圖

此一團隊另一項股市預測技術，在于個別股價投資時點之研究。先將所欲投資的個股，其近半年至一年來的股價波動訊號，從非線性轉(zhuǎn)成線性后，在高、低點時之相關技術面指標如KD、RSI、成交量等作為輸入變數(shù)(input)，并將股價轉(zhuǎn)化為交易訊號(Trading signal)以作為輸出變數(shù)(output)，進而從中找出具代表性的變數(shù);之后再將篩選出的因子，輸入類神經(jīng)網(wǎng)路中訓練，也就是Machine Learning，進而預測股價之高、低點轉(zhuǎn)折處。此部份可是股價指數(shù)預測部份之延伸，由于已可成功預測股價指，因此進一步探討如何在股票市場中賺取潤便相當重要，預測出個股價格轉(zhuǎn)折點(Turning Point)，便可讓投資者能逢低買進、逢高賣出，提升投資報酬率;此部份之技術基礎在于結(jié)合線段割(Piecewise Linear Representation, PLR)系統(tǒng)與類經(jīng)網(wǎng)預測(Back-propagation Neural Network, BPN)等技術，而以 PLR 作為判斷塬始資轉(zhuǎn)折點之預測工具。研究程主要分為叁個步驟：首先，為增加投資報酬，我們將提出選股塬則，并以這些塬則選出具有投資效的個股;第二步驟，用預測模型及事先交易決策分析個股買賣點，輸入變?yōu)榧夹g指標值，輸出變?yōu)橘I賣時點;第叁步驟，預測每日交易訊號，以獲得最佳買賣時機點，即股價轉(zhuǎn)折點(如圖一)。

綜上所述，張百棧教授所率領的商業(yè)智慧運算團隊，除了基礎分析技術超卓外，所應用分析的領域涵蓋面極廣并切合實際應用，尤其是對于生理資訊的判定方面，對于人類社會將會有長足的貢獻，研究成果相當值得期待。

網(wǎng)站題目：智慧型計算在大數(shù)據(jù)分析之應用
網(wǎng)站路徑：http://www.muchs.cn/article42/chpshc.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供Google、域名注冊、網(wǎng)站導航、App開發(fā)、小程序開發(fā)、全網(wǎng)營銷推廣

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)