[发明专利]基于capped-l1范数的提高TWSVM算法鲁棒性的方法

说明书

本发明涉及数据处理领域，公开了一种基于capped‑l1范数的提高TWSVM算法鲁棒性的方法，包括：输入原始数据矩阵M和参数C₁、C₂、ε₁和ε₂；M分为正负数据矩阵H和G；将两个对角阵矩阵F和D初始化为单位矩阵；根据H、G、C1、C2、ε₁、ε₂、F以及D，计算得到分类平面的参数w和b；根据w和b，计算H和D中的所有数据点到分类平面的距离，若H和D中有数据点到分类平面的距离分别大于ε₁和ε₂，则判断该点为野值点，将对应的F和D中的那一项值设置为一个接近零的值smallval；以更新对角矩阵F和D，计算目标值。本发明能够大大提高TWSVM算法的鲁棒性，并且在原始的数据集上也有较好的精度。

技术领域

本发明涉及算法改进和数据处理领域，特别涉及一种基于capped-l1范数的提高TWSVM算法鲁棒性的方法。

背景技术

支持向量机作为一个很好的工具，已经被广泛的应用到数据分类和回归问题上去了。其中包括生物信息、文本分类、图像处理等各个领域。近年来，Mangasarian和Wild提出了基于广义特征值的多平面近似支持向量机(Proximal SVM based 0n GeneralizedEigenvalues，GEPSVM)。该算法通过求解两个广义特征值问题来求解两个非平行超平面。GEPSVM在保证较SVM更好的计算效率的同时，也可以得到较好的分类性能。源于GEPSVM的思想，2007年,Javadeva等人提出了孪生支持向量机(Twin SVM,TSVM).TSVM寻求两个非平行的最优分类面,使得每一个分类面靠近一类样本而远离其它类样本.TSVM适合于交叉分类面数据集的分类,且求解两个相对更小的二次规划问题(Quadratic ProgrammingProblem,QPP),这使得TSVM的速度明显快于标准的支持向量机.至此以后，许多研究者在TWSVM基础上提出了不少算法。

但是，许多已存在的TWSVM模型在训练分类面时往往没有考虑到噪声数据，在现实应用中，很多数据都会有数据噪声，如果不去管这些噪声数据，会容易导致训练得到的分类平面有偏差，分类的精确度降低，算法的鲁棒性能不好。之所以噪声数据对于分类平面的决策产生影响是因为许多基于TWSVM上的模型采用的还是L2范数，L2范数通过平方操作会扩大噪声数据的影响作用。如果一个数据没有噪声，那这些算法的性能会非常好，但是，现实生活中，没有噪声的数据是不可能存在的。因此，在设计算法时，我们还要考虑到数据的噪声问题。很显然，如果数据中有许多噪声野值点，那么L2范数很不适用，基于L2范数的TWSVM模型算法也就很不适用。为了提高算法对于野值点的鲁棒性，我们提出了capped-l1范数的TWSVM，摒弃了L2的劣势，大大的提高算法的鲁棒性。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种基于capped-l1范数的提高TWSVM算法鲁棒性的方法，能够大大提高TWSVM算法的鲁棒性，并且在原始的数据集上也有较好的精度。