[01259290]不确定问题的支持向量机分类方法研究

1、课题来源与背景 本项目由甘肃省科技厅2013年立项，是甘肃省自然科学基金项目。项目名称：不确定问题的支持向量机分类方法研究，项目编号：1308RJZA224

2、研究目的与意义 复杂环境下信息系统的随机性和不一致性是支持向量机分类学习面临的主要困难，一方面支持向量机训练对噪声样本敏感，另一方面支持向量机训练未考虑信息系统的不一致。目前，对于不确定数据的支持向量机分类学习主要集中在： 1)构造不确定数据的相似度量关系;2)不确定数据的支持向量机分类模型与算法研究。项目针对信息系统中两类主要的不确定性，即信息的粗糙性和模糊性 ，利用模糊理论与粗糙集方法从以下3个方面对不确定数据的支持向量机分类学习进行研究：1)基于邻域模型数据不确定分析与样本选取;2)研究两类不确定性的度量方法;3)不确定支持向量机模型与算法的系列研究。

相关研究成果将为不确定数据的支持向量机分类提供新的理论支持与技术方法，对实际中诸如信用风险评估、医疗诊断决策等复杂数据的应用起到有力的支持和推动作用。

3、主要论点与论据

针对信息系统中不确定数据问题，利用模糊理论与粗糙集技术研究不确定支持向量机分类模型与算法，具体目标包括：

3.1 利用邻域模型实现数据的不确定性分析与样本选取

3.2 构造两类不确定数据相似性度量方法。

3.3 建立不确定支持向量机模型与算法研究。

4、创见与创新

4.1利用邻域模型实现数据的不确定性分析，发现野值样本并删除，利用粗糙集中的边界算子选取样本，从而降低问题规模。

4.2（1）利用一类特殊的核函数构造了一种模糊等价关系，接着以这类核函数构造的模糊等价关系为基础给出了核模糊粗糙集的定义。（2）利用模糊粗糙集中的下近似算子计算每个训练样本的分类不一致性度。

4.3基于不确定数据的相似度分析，构造不确定数据的支持向量机分类模型与算法。

5、社会经济效益，存在的问题

通过本项目的开展，凝聚了研究方向，培养一批硕士研究生，基本完成了阶段性研究目标，取得预期成果。

但在研究过程中也出现了一些问题，存在数据采集环境不够稳定、数据结构复杂多样、多方法的交叉融合不够等。

6、历年获奖情况。

1)、韩虎（8/13），面向智能调度的城市轨道交通列车控制系统研究及应用，甘肃省人民政府，甘肃省科学技术进步奖，二等奖，2014。

2)、韩虎（2/11），突发公共卫生事件应急物流车辆调度建模及优化算法研究，甘肃省教育厅，甘肃省高等学校科学技术进步奖，二等奖，2014。