论文部分内容阅读
数据挖掘是现代商业数据分析的重要手段，能给决策者提供必要的信息支持，数据挖掘的核心是提供一个可供预测的模型，分类模型便是是其中之一。多目标线性规划的分类模型以其特有的优点在数据挖掘领域有着广泛的应用。
本文针对多分类问题和线性不可分问题对该模型进行了一定的改进。通过引入logistic判别函数，结合了两两配对的概率多分类方法，使多目标线性规划的方法能够更好的处理多分类问题。同时通过引入核主成份分析的方法，为该模型解决线性不可分问题提供了简洁的途径。
将该模型应用于UCI提供的测试数据集上，通过和其他分类模型(神经网络，支持向量机等)相比较，证明该模型具有较强的分类预测能力。
该模型也曾成功的应用于BHPB金伯利岩的鉴别分类，以及中国人民银行征信局信用评分的项目中，为钻石勘探挖掘以及信用风险管理提供了决策支持。