基于非平行超平面支持向量机的最优化模型及算法研究

项目名称： 基于非平行超平面支持向量机的最优化模型及算法研究

项目编号： No.11201426

项目类型： 青年科学基金项目

立项/批准年度： 2013

项目学科： 数理科学和化学

项目作者： 邵元海

作者单位： 浙江工业大学

项目金额： 22万元

中文摘要： 支持向量机是当前公认最有效的分类与回归的机器学习方法，广泛应用于各个领域。基于非平行超平面支持向量机是支持向量机研究中的一项新的突破，它以训练时间少和推广能力强受到了广泛重视，并已经成为支持向量机中的一个新研究热点。对此本课题组也取得了若干有意义的初步成果。本项目拟在这些成果基础上，针对标准的分类和回归问题以及类别不均衡的问题，构建各种非平行超平面支持向量机模型和算法：首先，针对分类和回归问题提出基于最大间隔思想的各种非平行超平面支持向量机模型和求解算法，并给出其最优化理论框架；其次，对类别不均衡问题提出基于重采样和代价敏感学习的非平行超平面支持向量机模型、局部全局的非平行超平面支持向量机模型；最后，针对生物信息学中蛋白质功能预测和结构分析问题具有类别不均衡和局部信息相对重要等特点，在以上模型基础上提出更有效的模型。本课题将为非平行超平面支持向量机的研究和应用提供理论、方法和技术支持。

中文关键词： 最优化方法；数据挖掘；支持向量机；非平行支持向量机；模式识别

英文摘要： Support vector machines (SVMs) are recognized as the most effective learning methods of classification and regression and have been widely used in many areas. As a new breakthrough, non-parallel hyperplanes support vector machines received extensive atten

英文关键词： Optimization method；data mining；support vector machines；nonparallel SVMs；pattern recognition