邓智斌的主要研究方向为数学优化及其在工程管理和金融中的应用。他本次带来的分享内容是《二次曲面支持向量机》，不同于传统的线性支持向量机，该支持向量机以二次曲面作为分类曲面。
邓智斌作报告
邓智斌首先通过自动贩卖机的例子引出支持向量机问题，同时介绍了该问题的研究背景、一些基本概念和研究动机，从而强调二次曲面支持向量机的必要性，并从模型、算法、实验结果等方面对自己的研究进行了介绍。通过讲解，大家了解到很难得出一个分类平面来完美地进行二分类。原因是一方面我们不清楚分类曲面具体是什么形式；另一方面被训练的数据点可能存在一定的错误。针对第一个原因，不同于现有的线性向量机，邓智斌的研究提出一种二次曲面向量机来分类从而规避了刻画核函数，同时证明了该模型具有与传统向量机一样的性质：可解性和最优解的唯一性。另一方面，利用该模型的变形模型：带 Fisher discriminant analysis(FDA)的模糊二次支持向量机和基于直觉模糊集合的半监督学习支持向量机来处理带有错误信息的二分类问题。最后实验数据结果表明：该支持向量机模型在分类准确率和稳定性上要优于文献中已有的大部分支持向量机模型。
报告的尾声，同学们就邓智斌分享的内容以及自己在研究中遇到的问题进行提问，也有同学对该研究提出建议，引起了大家的思考。
责任编辑：张婧睿
