一种新的最小二乘支持向量聚类

摘要：

针对传统支持向量聚类的低性能和高耗费问题,提出最小二乘支持向量聚类(LSSVC)模型,设计自适应参数化方案.模型中包括两步簇划分算法和快速训练算法.前者对支持向量和非支持向量分别进行划分,后者采用增量方式,每次增量对应聚类模型的双向学习过程.实验结果证明,LSSVC可有效提高同类算法的效率,具有良好聚类能力,当数据增量为工作集大小的10%时,算法可在时间耗费和聚类准确率之间取得良好的平衡.

关键词：支持向量聚类、最小二乘、双向学习、自适应参数化

所属期刊栏目：35

分类号：TP3;TQ4

资助基金：国家自然科学基金资助重点项目60433020, 60673099, 60773095;国家"863计划"基金资助项目2007AA04Z114;"985"工程基金资助项目"计算与软件科学科技创新平台";教育部符号计算与知识工程重点实验室基金

在线出版日期：2009-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：14-16,31