分类问题是大数据处理的典型问题之一,其主要研究内容是如何通过模型以及算法来确定数据间的分界,使得对数据进行正确的划分.常见的方法有决策树法,支持向量机,Bayes方法等.Choquet积分是由法国数学家Gustave Choquet在1953提出的一种非线性积分,它是Lebesgue积分的推广.近年来,Choquet积分在决策、数据融合、数据挖掘等方面取得广泛的应用.本文在Choquet积分对数据分类的研究基础上,结合支持向量机最优分类边界的思想,对Choquet积分的数据分类进行了深入分析,建立了基于Choquet积分的数据分类优化模型及算法.主要的研究工作如下:(1)对序加权平均算子的概念进行推广,引入序加权算子,进而建立了基于序加权算子的数据分类优化模型,并对其分类能力进行分析比较.(2)通过对Choquet积分进行数据分类本质的分析,提出了n-维空间的加权轴及空间两点间的Choquet距离,借助支持向量机最优分类边界的思想,建立了基于Choquet积分数据分类的非线性约束优化模型,并通过实例验证模型的有效性.(3)为了减少(2)中所给优化模型的变元个数,在给定加权轴下,通过引入升维映射,将模型求解转化为线性分类问题,并通过遗传算法优化加权轴的取值,从而给出了一种解决(2)中优化模型的算法,使之可以处理更为复杂的数据分类.通过实验数据表明所给分类算法的有效性.