研究为复杂数据的关联机制探索提供新工具
近日，山西财经大学信息学院副教授成红红作为第一作者完成的人工智能基础理论研究论文发表于国际期刊《IEEE模式分析与机器智能学报》（IEEE TPAMI）。该研究为复杂数据中的关联机制探索和科学规律发现提供了新的理论基础与方法工具。
随着大数据与人工智能的快速发展，如何从海量复杂数据中发现变量之间潜在的关联规律，已成为数据科学与科学发现领域的重要基础问题。针对传统关联分析方法在处理非线性、不确定性复杂数据时存在的局限，成红红及合作团队创新提出了“邻域洞察（Neighborhood Insight）”理论框架，从数据样本局部邻域结构出发刻画变量关联机制，建立了邻域平滑性与邻域半径传播界等理论，揭示了关联关系与邻域共现结构之间的内在联系。
在此基础上，团队提出了最大邻域系数（MNC）和最大邻域非参数探索统计量（MNNE），实现了复杂关联结构的跨尺度统一度量与公平比较，突破了传统方法依赖统计假设和全局建模的局限。
该方法在WHO全球健康指标、酵母基因表达、半导体材料等多类真实数据上得到系统验证，为复杂数据中的关联机制探索和科学规律发现提供了新的理论基础与方法工具。
该成果由山西财经大学联合山西大学、香港城市大学共同完成。山西财经大学为论文第一完成单位。山西大学教授钱宇华为论文通讯作者，成红红为论文第一作者。
研究工作得到了国家自然科学基金重大项目、重点项目、面上项目、青年科学基金项目以及演化科学智能山西省重点实验室课题、教育部人文社会科学规划基金项目的联合资助。
相关论文信息：https://doi.org/10.1109/TPAMI.2026.3682740
本文链接：http://www.gihot.com/show-11-36161-0.html研究为复杂数据的关联机制探索提供新工具
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
