计算机科学与探索

作者：陈素根, 刘玉菲

单位：1. 安庆师范大学 数理学院，安徽 安庆 2461332. 安徽省大别山区域复杂生态系统建模、仿真与控制重点实验室，安徽 安庆 2461333. 安徽省皖江流域种群生态模拟与控制国际联合研究中心，安徽 安庆 246133

关键词：聚类,孪生支持向量机聚类,损失函数

基于Hinge损失的孪生支持向量机聚类和基于Ramp损失的孪生支持向量机聚类是两种平面聚类的新算法，为解决聚类问题提供了新的研究思路，逐渐成为模式识别等领域的研究热点。然而，它们在处理带有噪声数据的聚类问题时，往往性能表现不佳。为了解决这个问题，构造了非对称的Ramp损失函数，并在此基础上提出了一种改进的Ramp孪生支持向量机聚类算法。非对称Ramp损失函数不仅继承了Ramp损失函数的优点，用非对称的有界函数度量类内散度和类间散度，使得该算法对离聚类中心平面较远的数据点更加鲁棒，而且参数[t]的引入使得非对称Ramp损失函数更加灵活。特别地，当参数[t]等于1时，非对称Ramp损失函数退化为Ramp损失函数，使得基于Ramp损失函数的孪生支持向量机聚类算法成为所提算法的特例。同时，基于核技巧推广到了非线性情形，线性和非线性模型均为非凸优化问题，通过交替迭代算法有效求解。分别在多个UCI数据集和人工数据集上进行实验，实验结果验证了所提算法的有效性。

来源：2023年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第11期