近日，我院王建宏教授团队在国际著名学术期刊《Information Fusion》（《信息融合》）发表题为“Fractional light gradient boosting machine ensemble learning model: A non-causal fractional difference descent approach”（分数阶轻量梯度提升集成学习模型：一种非因果分数阶差分下降法）的研究论文。我院硕士生武海心、毛雅倩、翁嘉诚共同完成，余跃教授、王建宏教授为共同作者，南通大学为唯一署名单位。
该研究首次提出了分数阶轻量梯度提升集成学习模型，并通过回归和分类任务验证了该模型的有效性。首先根据因果一阶差分和反因果一阶差分的定义，提出了因果分数阶差分和反因果分数阶差分，进一步给出非因果分数阶差分定义。在此基础上，提出了一种新的非因果分数阶差分下降方法，通过收敛性分析和仿真测试，证明其有效性和优越性，并将该方法应用于LightGBM模型，建立非因果分数阶轻量梯度提升模型（NFLightGBM）。通过回归和分类不同的评价指标应用多个数据集对新模型的性能进行评估，结果表明NFLightGBM模型优于传统的LightGBM模型，具有良好的预测精度和较高的分类精度。
《Information Fusion》是人工智能领域国际顶尖权威期刊，中科院一区Top期刊，2024年影响因子为14.8，五年平均影响因子为16.1。该研究得到了国家自然科学基金、江苏省研究生创新与实践等项目支持。根据2024年JCR统计，在“Computer Science: Signal Processing”学科131个期刊中排名第1，在“Computer Science：Information Systems”学科394个期刊中排名第4，在“Computer Science: Software”学科407个期刊中排名第5。
文章链接：https://doi.org/10.1016/j.inffus.2025.102947
