《基於進化多目標最佳化的無監督機器學習研究》是依託北京郵電大學，由石川擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於進化多目標最佳化的無監督機器學習研究
- 項目類別：青年科學基金項目
- 項目負責人：石川
- 依託單位：北京郵電大學
項目摘要,結題摘要,
項目摘要
基於單個評價標準的機器學習研究已經得到長足發展，但是很多機器學習問題本質上是多目標最佳化問題。進化算法解決多目標最佳化問題具有潛在的優勢並取得了巨大的成功。本課題利用進化多目標最佳化方法解決具有多目標特性的機器學習問題，探索多個評價標準對機器學習的影響。本課題以無監督的機器學習方法為例，深入研究目標函式對機器學習的影響機理和模型選擇機制,分析總結進化多目標機器學習算法設計的一般規律和指導原則。主要研究內容包括：高效的進化多目標最佳化算法研究；進化多目標聚類研究；基於多目標框架的複雜網路中社區發現與演化研究；進化多目標機器學習算法在電信數據挖掘領域的套用研究。本課題將機器學習和進化多目標最佳化這兩個研究領域結合起來，以進化多目標最佳化的視角研究機器學習問題。本課題的研究能夠加深機器學習的機理和方法的理解，同時促進進化多目標最佳化的研究和發展。
結題摘要
作為人工智慧的核心研究領域，機器學習已經成為智慧型數據分析的基本方法。基於單個評價標準的機器學習研究已經得到長足發展，但是很多機器學習問題本質上是多目標最佳化問題。進化算法解決多目標最佳化問題具有潛在的優勢並取得了巨大的成功。本課題利用進化多目標最佳化方法解決具有多目標特性的機器學習問題，探索多個評價標準對機器學習的影響。本課題深入研究目標函式對機器學習的影響機理和模型選擇機制,分析總結進化多目標機器學習算法設計的一般規律和指導原則。主要研究內容包括：高效的進化多目標最佳化算法研究；進化多目標聚類和分類算法研究；基於多目標框架的複雜網路中社團發現與演化研究；進化多目標機器學習算法在電信數據挖掘領域的套用研究。 本課題的主要研究成果如下：(1) 完善占優樹理論，提出了高效的基於占優樹的多目標進化算法，分析了占優樹的時間複雜度和動態變化規律,並將其套用於多關鍵字檢索；(2)深入研究了多目標聚類和社團發現問題，提出了多目標社團發現算法和模型選擇方法，系統分析了複雜網路中的不同的目標函式對社團劃分效果的影響；(3)將多目標最佳化套用於多標籤分類問題，提出了多標籤集成學習算法和多目標多標籤學習算法,深入分析了多目標最佳化對分類性能的影響；(4)研究了異質信息網路中的相似性度量和聚類問題，提出了HeteSim標準用於度量異質信息網路中任意兩個節點的相關性，並套用於語義推薦系統。 總體來說，本項目按照計畫執行。在本項目的資助下，發表主要相關論文22篇，其中CCF B類以上高水平論文11篇，SCI 檢索論文7篇，EI檢索論文15篇，ISTP檢索論文1篇, 1篇最佳會議論文獎。培養了碩士生4名，博士生1名。
