1、隨著大數(shù)據(jù)時(shí)代的到來(lái)以及云計(jì)算等先進(jìn)數(shù)據(jù)技術(shù)的發(fā)展，高維數(shù)據(jù)處理已經(jīng)滲透到科研和生活的各個(gè)方面，在諸如科學(xué)研究、生物醫(yī)學(xué)、網(wǎng)絡(luò)通信等眾多領(lǐng)域起到至關(guān)重要的作用。作為經(jīng)典的數(shù)據(jù)分析方法之一，傳統(tǒng)分類(lèi)方法在面向高度復(fù)雜的高維數(shù)據(jù)時(shí)已捉襟見(jiàn)肘，許多處理低維數(shù)據(jù)運(yùn)行良好的分類(lèi)算法在高維數(shù)據(jù)中的分類(lèi)效果亟待提高。因此，如何構(gòu)建面向于高維數(shù)據(jù)的有效分類(lèi)算法成為數(shù)據(jù)挖掘等領(lǐng)域的熱點(diǎn)問(wèn)題。
　　本文系統(tǒng)地介紹并分析了幾種基本分類(lèi)算法及相應(yīng)改進(jìn)算法

2、的優(yōu)缺點(diǎn)，同時(shí)對(duì)高維數(shù)據(jù)分類(lèi)的通用特征降維方法進(jìn)行了總結(jié)，討論了這些方法在應(yīng)用時(shí)的一些局限性。本文結(jié)合傳統(tǒng)算法的優(yōu)點(diǎn)，提出了一種適用于高維數(shù)據(jù)分類(lèi)的新算法——并行非線(xiàn)性最小二乘法，并在新算法的基礎(chǔ)上提出改進(jìn)的隨機(jī)版本，最后，基于以上算法的性能評(píng)估實(shí)驗(yàn)表明新算法具有更好的性能和精確度。本文的主要研究成果可歸納如下:
　　1、為解決最小二乘法處理高維數(shù)據(jù)效率低下的問(wèn)題，結(jié)合并行分類(lèi)方法提出了一種處理高維數(shù)據(jù)的并行非線(xiàn)性最小二乘分類(lèi)算法

3、。該方法平均地劃分?jǐn)?shù)據(jù)維，并行計(jì)算局部模型參數(shù)，整合后形成全局參數(shù)，通過(guò)一個(gè)迭代優(yōu)化過(guò)程，可以大幅提升參數(shù)的性能。
　　2、在并行非線(xiàn)性最小二乘分類(lèi)算法的基礎(chǔ)上提出改進(jìn)的隨機(jī)版本。通過(guò)將迭代過(guò)程開(kāi)始時(shí)的平均劃分?jǐn)?shù)據(jù)維變成隨機(jī)地分割數(shù)據(jù)，可在時(shí)間復(fù)雜性基本不變的情況下，進(jìn)一步提高了并行非線(xiàn)性最小二乘分類(lèi)算法的性能。
　　3、完成了新算法的性能評(píng)估實(shí)驗(yàn)。以最小二乘法作為基準(zhǔn)方法，選擇共同的高維數(shù)據(jù)集作為實(shí)驗(yàn)樣本，對(duì)新方法的學(xué)習(xí)效