一种耐噪在线多分类核学习算法
一、成果简介
（一）成果概述
本发明涉及一种基于自适应ramp损失函数的耐噪在线多分类核学习算法。通过引入核函数构造非线性多分类器，针对基于批处理技术的多分类方法无法高效处理数据流而现有在线学习算法无法有效控制噪声样本的问题，设计该耐噪在线多分类核学习算法。该方法能够减少参与模型计算的支持向量的数量，有效控制噪声影响，显著提高模型更新效率，提高噪声数据多分类问题的分类精度，可应用于信用卡欺诈、异常检测等实际应用问题。
（二）技术特点及技术指标
通过引入ramp损失函数、自适应参数设置策略，建立在线核学习多分类器，可实现对数据流的在线预测。该方法采用自适应ramp损失函数使得分类器处理更少的支持向量，具有更好的稀疏性，同时能有效控制噪声对分类器的影响，具有更好的鲁棒性(耐噪性)。与经典在线学习算法Perceptron和Pegesos相比，所提出算法平均提升分类精度5%。
二、技术成熟程度
已在产业中应用
三、推广合作方式
作价入股
四、团队简介
数据智能创新团队是山东省高等学校青年创新团队，主要围绕数据流挖掘、大规模优化算法开展理论与应用研究。团队先后主持国家重点研发计划课题、国家自然科学基金面上项目等国家级科研项目6项，山东省重点研发计划等省部级科研项目10项；在TNNLS、EJOR、DMKD、TIST等数据挖掘、优化算法领域权威期刊以及IJACI、ICDM等人工智能领域国际顶级会议发表论文70余篇；主编教材及专著3部；授权国家发明专利6项；获厅局级及以上科研奖励5项。
五、专利授权及申请情况
国家发明专利：一种耐噪在线多分类核学习算法（授权）
六、受资助及获奖情况
1、国家自然科学基金委员会,面上项目,No.61873279,数据流场景下高炉炼铁过程的实时统计建模与算法研究,2019-01-01至2022-12-31
2、国家自然科学基金委员会,青年基金,No.61503412,基于串联质谱数据的多肽鉴定半监督学习并行算法研究,2016-01至2018-12
联系方式：0532-86983018。
