首页 > 人工智能 >山西大学人工智能学院、大数据研究院在复杂关联结构挖掘取得重要进展

山西大学人工智能学院、大数据研究院在复杂关联结构挖掘取得重要进展

来源：互联网 2026-08-04 15:13:09

人工智能资讯合集

山西大学联合山西财经大学、香港城市大学提出“邻域洞察”视角，建立最大邻域系数与最大邻域非参数探索统计量，实现跨尺度统一度量，有效解决非线性、局部结构及评估公平性难题，在多个真实数据集上显著优于现有方法。

复杂数据中的变量关联挖掘，一直是数据科学领域的基础性难题。最近，山西大学人工智能学院联合山西财经大学、香港城市大学，在这个方向上取得了新的突破。相关成果已经发表在人工智能与模式识别领域的顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence上。

长期稳定更新的攒劲资源： >>>点此立即查看<<<

随着大数据技术的深入应用，如何从海量、高维的数据中，精准识别出那些真正有意义的变量关联，已经成为科学发现的关键一环。但现实远比想象中复杂。现有方法普遍面临着三个硬骨头：第一，真实数据往往是非线性、充满不确定性的，传统模型很难招架；第二，很多方法依赖全局统计建模，很容易忽略局部结构中的细微信息；第三，缺乏一个统一、公平的关联评估机制，导致不同方法之间难以横向比较，识别结果也常常不可靠。

针对这些痛点，研究团队提出了一种“邻域洞察”的全新视角。这个思路很巧妙——他们不再盯着全局统计量，而是从每个数据点的局部邻域结构出发，来刻画变量之间的关联。研究发现，当变量之间存在关联时，跨变量空间的邻域结构会呈现出一种稳定的映射关系；而关联一旦消失，这种结构映射就会变成随机噪声。基于这个发现，团队从理论上建立了“邻域平滑性”和“邻域半径传播界”，为基于局部结构的关联分析提供了坚实的理论支撑。

在具体方法上，他们提出了“最大邻域系数”。这个指标通过多尺度的k近邻信息粒建模，再结合互信息融合，实现了对关联结构的跨尺度统一度量。换句话说，无论关联是线性还是非线性，是简单还是复杂，它都能用一个公平的尺度去衡量。更进一步，他们还构建了“最大邻域非参数探索统计量”，不仅能衡量关联的强度，还能同时揭示关联的结构形态——比如函数形式、非单调性等。这在实际应用中非常有价值。

研究成果在多个领域的真实数据上进行了验证，包括WHO全球健康指标、酵母基因表达数据、Friedman回归基准以及半导体材料数据集。结果相当亮眼：新方法在关联刻画的普适性和评估公平性上，都统计显著地优于现有的先进方法。更重要的是，它能够有效揭示出那些被传统方法忽略的潜在关联结构，为复杂系统中的科学规律发现提供了新的工具。

这项研究得到了国家自然科学基金重大项目、重点项目以及青年科学基金项目的资助，也离不开演化科学智能山西省重点实验室的支持。

侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述