典型文献
改进的最小二乘孪生支持向量机聚类
文献摘要：
聚类是模式识别与机器学习领域的基本问题之一,孪生支持向量机聚类是基于平面聚类的新算法,它没有考虑数据分布对聚类效果的影响.为了解决这个问题,本文考虑其余类样本点分布对聚类平面的影响,构造了一种新的权重函数,并给予样本点不同的惩罚,从而降低离群点对聚类效果的影响.在此基础上,提出一种改进的最小二乘孪生支持向量机聚类算法,该算法只需要求解一系列线性方程组问题,无需求解二次规划问题.人工数据集和UCI数据集上的实验验证了所提算法的有效性.
文献关键词：
模式识别;聚类;最小二乘孪生支持向量机;权重函数
中图分类号：
作者姓名：
刘玉菲;陈素根
作者机构：
安庆师范大学 数理学院,安徽安庆246133
文献出处：
引用格式：
[1]刘玉菲;陈素根-.改进的最小二乘孪生支持向量机聚类)[J].安庆师范大学学报（自然科学版）,2022(03):12-19
A类：
B类：
最小二乘孪生支持向量机,模式识别,学习领域,基本问题,新算法,数据分布,样本点,权重函数,离群点,聚类算法,线性方程组,二次规划问题,UCI
AB值：
0.241912
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
