[发明专利]基于capped-l1范数的提高TWSVM算法鲁棒性的方法

权利要求书

1.一种基于capped-l1范数的提高TWSVM算法鲁棒性的方法，其特征在于，包括以下步骤：

步骤一：输入原始数据矩阵M和参数C₁、C₂、ε₁和ε₂；所述数据矩阵M分为正数据矩阵H 和负数据矩阵G，其中，H∈R^{m1×（n+1）}, G∈R^{m2×（n+1）}，其中，m₁和m₂为所述数据矩阵M中的数据个数，n为所述数据矩阵M的数据维度；

步骤二：将两个对角阵矩阵F和D初始化为单位矩阵；

步骤三：根据所述正数据矩阵H、负数据矩阵G、参数C1、C2、ε₁、ε₂以及对角矩阵F和D，计算得到分类平面的参数w和b；

步骤四：根据所述w和b，计算所述正数据矩阵H中的所有数据点到分类平面的距离，若有数据点大于ε₁，则判断该点为野值点，将对应的所述对角矩阵F中的那一项值设置为smallval，smallval为一个接近零的值；

根据所述w和b，计算所述负数据矩阵G中的数据点到所述分类平面的距离，若有数据点大于ε₂，则判断该点为野值点，将对应的所述对角矩阵D中的那一项值设置为所述smallval；

以此方法来更新对角矩阵F和D；

步骤五：计算目标值obj。

2.根据权利要求1所述的基于capped-l1范数的提高TWSVM算法鲁棒性的方法，其特征在于，在所述步骤四中，根据野值点将对应的对角矩阵F中的那一项值设置为smallval的计算方法如下：

；

根据野值点将对应的对角矩阵D中的那一项值设置为smallval的计算方法如下：

。

3.根据权利要求1所述的基于capped-l1范数的提高TWSVM算法鲁棒性的方法，其特征在于，在所述步骤五中，

所述目标值；

其中，z=(w,b)^T，e为一个m₁×1的列向量，每个元素都为1。

4.根据权利要求1至3中任一项所述的基于capped-l1范数的提高TWSVM算法鲁棒性的方法，其特征在于，在所述步骤五之后，还包括以下步骤：

步骤六：迭代所述步骤三-步骤五步直至所述目标值obj收敛；

步骤七，确定最佳的分类平面的参数w和b。

5.根据权利要求1至3中任一项所述的基于capped-l1范数的提高TWSVM算法鲁棒性的方法，其特征在于，所述smallval=1e-5。