具有可調節範數的支持向量機模型與算法的研究

《具有可調節範數的支持向量機模型與算法的研究》是依託中國人民大學，由張春華擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：具有可調節範數的支持向量機模型與算法的研究
• 項目類別：青年科學基金項目
• 項目負責人：張春華
• 依託單位：中國人民大學

項目摘要

支持向量機方法是藉助於最最佳化方法解決機器學習問題的有力工具，已經被成功地套用到數據挖掘的許多領域。在標準支持向量機的最佳化模型中使用的是2範數，近年來，出現了若干基於不同範數的支持向量機，由於其在特徵選擇等問題中的顯著效果，逐漸成為支持向量機方法中新的研究熱點之一。本項目擬從最最佳化理論與方法的角度出發，對可調節範數支持向量機模型進行研究。主要包括：(1)改進、完善現有的最佳化模型；(2)針對機器學習領域中常見的分類、回歸、多示例、多標籤等問題，構建相應的可調節範數的最佳化模型，並基於最最佳化方法研究建立簡單而有效的算法(包括全局算法)；(3)針對生物信息領域中的特徵選擇問題,研究新模型與算法的套用和改進. 本項目的實施不僅能為數據挖掘提出新理論和新方法,而且能夠推動支持向量機和最最佳化方法的發展，具有重要的科學意義和實用價值。

結題摘要

支持向量機是當今機器學習領域的一個研究熱點,是藉助於最最佳化方法解決機器學習問題的有力工具。本項目主要從最最佳化理論和方法的角度出發，來研究可調節範數支持向量機的模型和算法，取得了一些有價值的成果，出版了1部英文專著,並在國際期刊和國際會議上發表多篇論文。研究成果具體包括以下三個方面：（1）針對經典的分類問題，對現有的最佳化模型進行了改進，構建了混合範數的支持向量機新模型。和原有的模型相比，該模型在特徵選擇和分類準確率方面都有所提高。（2）針對機器學習領域中的回歸、半監督、基於知識的分類問題等，提出了新的支持向量機模型。（3）利用最佳化理論和方法，對於新最佳化模型建立簡單有效的求解算法，並在很多人工和經典的數值例子中進行了數值試驗，將之套用於生物信息領域中的基因選擇問題，取得了很好的結果。該項目的實施，一方面推動了支持向量機方法的發展，另一方面也拓展了最最佳化在機器學習領域的理論與套用研究，具有一定的科學意義和實用價值。