《粒度支持向量機學習方法及套用研究》是依託山西大學，由王文劍擔任項目負責人的面上項目。
基本介紹
- 中文名：粒度支持向量機學習方法及套用研究
- 項目類別：面上項目
- 項目負責人：王文劍
- 依託單位：山西大學
項目摘要,結題摘要,
項目摘要
支持向量機是當今機器學習領域的一個研究熱點，已在許多領域得到成功的套用，但仍存在泛化能力需提高、對大規模數據集處理能力差及套用領域受局限等問題。本項目將針對這些問題，以支持向量機和粒度計算理論為基礎，開展新的支持向量機學習模型- - 粒度支持向量機的學習方法及套用研究，主要內容包括：（1）粒度支持向量機的學習機制；（2）支持向量機的粒度空間構建方法；（3）粒度支持向量機的學習算法；（4）粒度支持向量機在集成學習、增量學習及多示例多標記學習中的拓展；（5）粒度支持向量機在非平衡數據處理及圖像處理中的套用。本項研究是對支持向量機學習方法與套用的全新嘗試，其成果不僅可以有效地解決支持向量機在海量數據挖掘和實時線上學習中的可用性問題，而且可以進一步拓展支持向量機的套用領域，同時可以在一定程度上解決支持向量機的核函式或參數選擇這一最基本也最困難的問題。
結題摘要
本項目針對支持向量機學習中存在的泛化能力需提高、對大規模數據處理能力差及套用領域受局限等問題，以支持向量機和粒度計算理論為基礎，開展新的支持向量機學習模型——粒度支持向量機的學習方法及套用研究。項目組完成的主要工作包括：（1）在支持向量機學習框架下，研究了粒度支持向量機的學習機制、數據的粒化與核映射的融合以及基於信息粒的支持向量機聚合方法。研究成果構建了支持向量機與粒度計算有效融合的完整框架，提出了全新的粒度支持向量機學習模型。（2）研究了粒度空間構建方法，結合尺度空間理論、主成分分析及核映射等方法設計了多種粒度空間的構建方法，建立了符合數據分布特點的粒度劃分衡量體系。（3）系統研究了粒度支持向量機的學習本質，分析了傳統粒度支持向量機模型存在的不足，並結合增量學習、主動學習等其他機器學習技術，提出了多種改進的粒度支持向量機學習算法，顯著提高了支持向量機的泛化能力和學習效率。（4）將粒度支持向量機拓展到一些機器學習的熱點研究領域如集成學習、增量學習、多示例多標記學習等，可有效處理多分類、非平衡、大規模、高維等複雜數據。（5）將所提出的多種粒度支持向量機學習算法套用於圖像分割、垃圾郵件過濾、文本分類、蛋白質互作用關係預測、三維建模等領域，取得了較好的套用效果。項目實施期間，共發表（錄用）論文21篇，出版專著1部，獲軟體著作權登記7項；研究成果“基於VR-GIS的數字旅遊信息系統”被山西省科技廳鑑定為國內領先水平；培養博士研究生6名，碩士研究生7名。總之，項目整體執行情況良好，全面完成了項目的研究任務，實現了預期的目標。
