刘京礼，汉族，1975年1月生，山东胶州市人。2010年毕业于中国科学技术大学管理学院，师从中国科学院科技政策与管理科学研究所徐伟宣研究员和中国科学院研究生院管理学院石勇教授，现在山东工商学院煤炭经济研究院工作。主要研究方向为：信用风险评估、优化理论与方法。目前主持国家自然科学基金面上项目：消费者信用风险动态评估研究（71171123）和山东省优秀中青年科学家科研奖励基金：基于动态支持向量机的消费者信用风险评估（BS2011SF011）。发表学术论文9篇，其中SCI检索3篇。

    二分类问题是统计学习理论、机器学习以及人工智能中研究的一个重要问题。由于随机的或者非随机过程的存在，现实生活中的数据经常带有噪声和不确定性。数据的噪声以及不确定性会影响统计学习分类算法模型的性能，降低分类的准确率及其分类模型的推广能力。《鲁棒最小二乘支持向量机研究与应用》从加强最小二乘支持向量机模型的鲁棒性和稀疏性、增强其推广能力的理念出发，系统整理了文献中对最小二乘支持向量机模型（LS-SVM）中改进鲁棒性的方法，提出了改进LS-SVM鲁棒性的三个模型：KPCA-L1-LS-SVM、FL1-LS-SVM和RW-Lp-LS-SVM模型，分别从特征压缩、噪声点的剔除以及样本信息重要程度的角度出发对LS-SVM模型的鲁棒性做了改进。

    （2）对于最小二乘支持向量机模型来说，其分类算法还是一种基于经验的方法。虽然其在计算速度方面好于支持向量机模型，但是当面对较大的数据库时，还是存在计算量大的问题。而且，模型中使用了均方差，这容易使得模型对噪声点特别敏感。本书虽然采用了赋权的方法来改进模型鲁棒性差的问题，但对于如何判断样本信息的重要性还是没有一个直观的解释。因此，需要对权重的设置方法做进一步研究，找到一个具有直观意思的权重。本书的L范数模型对于范数p的值做了限制，对于使用范数的分类模型来说，Lo范数稀疏性最强的。目前对Lp范数的研究也非常多，但是其求解算法大多是采用近似算法，算法的有效性还需要进一步提高。
    （3）数据中经常会包含一些隐含信息，这些信息对于策来说也是非常重要的。在医疗诊断、信用评估中，可以首先对数据进行统计分析，如采用聚类的方式对数据进行初步处理，剔除一些噪声点，然后采用分类模型进行决策判断，这方面的研究是很有意义的。本书所提出的核主成分以及赋权自适应范数来剔除噪声点的方法对加强模型的鲁棒性有了一定的改进。在控制理论中还有许多加强鲁棒性的方法也可以加以借鉴，这也是今后的研究方向之一。
    （4）一个分类算法只能对于一些特定的问题有效，都有局限性。因此，目前对于一个分类问题常采用算法整合的方法，即把不同的方法整合到一起，克服单个算法的缺陷，提高模型的适应能力。这也是模型选择所研究的问题之一。本书给出的核主成分与Lp范数相结合的算法实际上也是一个整合算法。核主成分法的问题是把线性空间映射到高维空间后，其维数太大，所提取的主成分数量过大，还是会造成计算量过大。因此，对于如何更好地整合各种分类算法还需要做进一步的研究。
    ……

1 绪论
1.1 研究背景和意义
1.2 鲁棒支持向量机研究综述
1.3 本书的内容和结构安排
1.4 研究方法和思路
1.5 本书的技术路径

2 最优化理论
2.1 最优化问题的一般形式
2.2 约束极值问题的最优化条件
2.3 库恩塔克条件
2.4 对偶理论
2.5 小-结

3 二分类问题
3.1 引言
3.2 二分类模型
3.3 分类模型准确率的估计方法
3.4 二分类算法的有效性
3.5 支持向量机
3.6 最小二乘支持向量机模型
3.7 小结

4 鲁棒最小二乘支持向量机中的特征抽取和选择
4.1 引言
4.2 特征选择和抽取
4.3 核主成分法
4.4 稀疏L1-范数LS-SVM模型
4.5 双层L1-范数LS-SVM模型
4.6 模糊L1-范数LS-SVM模型
4.7 小结

5 最小二乘支持向量机的鲁棒分类模型
5.1 引言
5.2 Lp范数支持向量机的分类模型
5.3 鲁棒赋权自适应Lp范数最小二乘支持向量机
5.4 小-结

6 消费者信用风险评估
6.1 引言
6.2 目前的消费者信用评估模型评述
6.3 消费者信用风险评估模型的实证分析
6.4 KPCA-L1-LS=SVM模型在信用风险中的应用
6.5 FL1-LS-SVM模型在信用风险中的应用
6.6 鲁棒赋权自适应Lp范数LS-SVM模型在信用风险中的应用
6.7 小结
……
7 总结与展望
符号说明
参考文献
后记
附图
附表