主题 考虑准则交互的数据驱动多准则分类偏好学习方法
活动时间 2025年12月15日（周一）上午9：00-12：00
活动地址 文渊楼401
主讲人 张震教授，大连理工大学
主持人 曹兵兵副教授，彩票在线购买
主办单位 彩票在线购买
嘉宾简介
张震，大连理工大学系统工程研究所教授、博士生导师，入选“兴辽英才计划”文化名家暨“四个一批”青年英才、大连理工大学星海人才培育计划“星海优青”、IEEE高级会员和斯坦福大学发布的World's Top 2% Scientists（2020-2025）榜单。主要研究方向为决策分析和大数据分析，主持国家自然科学基金项目3项、辽宁省自然科学基金面上项目、中国博士后科学基金面上项目和大连市支持高层次人才创新创业项目各1项。在Springer Nature出版专著1部，在EJOR、Omega、IEEE-TSMC、IEEE-TCYB、IEEE-TCSS等国内外重要学术期刊和会议发表论文80余篇，其中ESI高被引论文22篇，在谷歌学术被引用4300余次，获得Omega期刊最佳论文奖。担任Artificial Intelligence and Decision Making (Springer Nature)丛书编委，Group Decision and Negotiation、Information Fusion、IEEE-TEM、International Journal of Computational Intelligence Systems和Kybernetes等期刊的副主编或编委，广西高校数字赋能经济发展重点实验室学术委员会委员、中国系统工程学会数据科学与知识系统工程专业委员会副秘书长，以及双法研究会智能决策与博弈分会等学会二级分会的常务理事和理事。
讲座简介
在多准则决策分析（MCDA）中，多准则分类问题旨在根据多个评价准则，将备选方案划分到预先定义的有序类别。由于决策者往往难以直接提供完整的偏好信息（如效用函数和分类阈值），基于偏好分解的多准则分类偏好学习逐渐成为研究热点。传统方法多依赖数学规划，难以有效处理大规模数据和准则间的复杂交互。相较之下，机器学习模型在建模高维非线性关系方面具有优势，但通常缺乏可解释性。本报告针对多准则分类问题，融合MCDA与机器学习范式，考虑不同的准则交互情形，提出兼顾预测性能与可解释性的数据驱动偏好学习方法。主要内容包括：（1）融合多层感知机和因子分解机的偏好学习方法；（2）基于注意力网络的二阶准则交互偏好学习方法；（3）考虑有益准则交互检测的偏好学习方法。
