近日，昆明理工大学系统科学学科刘文奇和李金海团队在计算科学建模方向取得重要进展，相关成果分别发表在计算智能、机器学习和计算社会科学领域国际顶级期刊上。这些研究得到了国家自然科学基金（项目号：U2433216，62476114，12171388，12371460）和云南省基础研究计划杰出青年项目（项目号：202401AV070009）资助。

在计算智能领域的层次分类任务研究中，特征选择与分类停止机制的理论整合问题，本质上源于数据降维最优化与决策终止动态适应性在层级特征空间构建与多级决策终止控制的认知建模逻辑耦合失调。针对二者整合中存在兼容性问题，李金海教授团队基于模糊概念认知学习理论，构建了一种融合特征选择与停止机制的层次分类模型（HFCCLM）。具体地，通过模糊概念包含度的动态更新实现增量式特征选择，同时融合基于线索的模糊推理的集合近似与模糊概念认知匹配的不确定性设计停止机制。通过实验分析表明，在层次分类学习任务的4项核心评价指标中，HFCCLM相较于8种对比方法均呈现出显著的性能优势。该成果以“Uncertain multi-conceptual information acquisition and fusion for hierarchical classification”为题，发表于人工智能领域Elsevier旗下期刊Information Fusion。系统科学专业2021级博士生邓小媛为论文的第一作者，李金海教授为论文的通讯作者，南通大学丁卫平教授和深圳大学王熙照教授为论文的合作作者，昆明理工大学为第一和通讯单位。

在机器学习领域的多标签分类任务研究中，由于标签之间通常存在复杂的依赖关系，使得在标签缺失的情况下对数据进行准确分类面临极大挑战。尽管当前的缺失多标签分类模型利用特征选择来有效识别标签与特征之间的依赖关系，然而现有的方法在捕捉特征信息的层次关系方面效果欠佳，进一步导致预测性能下降。为了解决这一问题，李金海教授团队提出了一种基于多层次随机概念聚类的缺失多标签分类模型（MML-MSCC），旨在更准确地识别特征与标签之间的依赖关系，从而提高模型的预测性能。具体地，通过计算标签和特征之间的全局互信息来完成对特征的最优粒度选择，并利用随机粒概念的聚类来完成对缺失标签的补全和模型的预测。通过在6个评估指标下与现有的 9 种缺失多标签分类算法的比较，验证了所提模型的有效性，结果表明MML-MSCC模型能在一定程度上提高缺失多标签分类模型的泛化性能。该成果以“Multi-level information fusion for missing multi-label learning based on stochastic concept clustering”为题，发表于人工智能领域Elsevier旗下期刊Information Fusion。系统科学专业2020级博士生刘之茗为论文的第一作者，李金海教授为论文的通讯作者，西安理工大学张晓副教授和深圳大学王熙照教授为论文的合作作者，昆明理工大学为第一和通讯单位。

在计算社会科学领域的语言扩散任务研究中，全球语言多样性日益濒危，刘文奇教授团队将多层网络方法引入少数民族语言传播动力学研究中，构建了刻画跨社会关系语言扩散过程的双层网络模型。该研究以中国云南省佤族聚居地为案例，通过实地入户调查收集个体的语言使用数据，区分了“族群关系网络”与“经济活动网络”两类社会关系结构，揭示了语言选择在不同网络层中的显著差异性。不仅如此，构建了语言单语状态与双语状态之间的多态转移机制，引入三类层间交互模式，刻画族群网络对经济网络中语言扩散阈值的调控作用。数值模拟进一步验证了模型的动态预测能力，发现异质结构网络更有利于实现语言扩散，且上层网络中双语比例越高，越能有效激发下层网络中的双语生成。在实证分析中，基于实际社会关系数据构建了村庄层级的佤族社会网络，结果表明所提模型能够准确捕捉正交互作用对双语扩散的促进作用。该研究突破了传统单层语言扩散模型的局限性，量化了多层社会网络结构对语言演化过程的调控效应，为少数民族语言保护与传播政策的制定提供了理论依据。该成果以“Utilizing multilayer networks to explore minority languages phase transitions”为题，发表在信息资源管理领域Elsevier旗下期刊Information Processing & Management。系统科学专业2021级博士生高雅为论文第一作者，刘文奇教授为通讯作者，北京师范大学樊京芳教授、昆明理工大学张永文副教授与乔盼节博士为论文合作作者，昆明理工大学为第一和通讯单位。

近年来，昆明理工大学系统科学学科十分重视研究生培养质量，积极引导鼓励师生将系统科学理论和方法与相关领域的重要科学问题紧密结合，发挥多学科交叉融合研究的优势，充分体现基础学科对前沿领域研究的支撑作用。上述重要成果的取得，表明该学科研究生人才培养取得成效。

论文链接：

https://www.sciencedirect.com/science/article/pii/S1566253525004944

https://www.sciencedirect.com/science/article/pii/S1566253524005530

https://www.sciencedirect.com/science/article/pii/S0306457324003613

（供稿：数据科学研究中心,学报编辑部）