基于斜坡损失的双支持向量聚类
机器学习
2019-11-14 v1 机器学习
摘要
传统的基于平面的聚类方法通过二次、线性或其他某些无界函数度量类内与类间代价，这可能放大代价的影响。本文引入斜坡代价函数到基于平面的聚类中，提出一种新的聚类方法，称为基于斜坡损失的双支持向量聚类（RampTWSVC）。RampTWSVC 因其有界性而更鲁棒，因此比其他基于平面的聚类方法更容易发现内在簇。RampTWSVC 中的非凸规划问题通过交替迭代算法高效求解，且理论上其局部解可在有限次迭代内获得。此外，通过核技巧也给出了 RampTWSVC 的非线性流形形式。在多个基准数据集上的实验结果表明，我们的 RampTWSVC 相较于其他基于平面的聚类方法具有更优性能。
引用
@article{arxiv.1812.03710,
title = {Ramp-based Twin Support Vector Clustering},
author = {Zhen Wang and Xu Chen and Chun-Na Li and Yuan-Hai Shao},
journal= {arXiv preprint arXiv:1812.03710},
year = {2019}
}
备注
5 pages, 2 figures