[发明专利]基于capped-l1范数的提高TWSVM算法鲁棒性的方法

摘要

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。

主权项

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∈Rm1×（n+1）, G∈Rm2×（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。