L1范数正则化SVM聚类算法  

L1-norm Regularized SVM Clustering Algorithm

作　　者：刘建伟[1] 李双成[1] 付捷[1] 罗雄麟[1] 

机构地区：[1]中国石油大学自动化研究所,北京102249

出　　处：《计算机工程》2012年第12期185-187,共3页Computer Engineering

基　　金：中国石油大学(北京)基础学科研究基金资助项目

摘　　要：提出L1范数正则化支持向量机(SVM)聚类算法。该算法能够同时实现聚类和特征选择功能。给出L1范数正则化SVM聚类原问题和对偶问题形式,采用类似迭代坐标下降的方法求解困难的混合整数规划问题。在多组数据集上的实验结果表明,L1范数正则化SVM聚类算法聚类准确率与L2范数正则化SVM聚类算法相近,而且能够实现特征选择。This paper proposes a L1-norm regularized Support Vector Machine（SVM） clustering algorithm.The proposed clustering algorithm can fulfill simultaneous clustering construction and feature selection.Primal and dual form of L1-norm regularized SVM clustering problem is introduced,and an algorithm that iterates coodinate-wise desent approach is adopted to solve difficult mixed integer programming.Experimental results on real datasets show that the predict accuracy of the presented algorithm is compared with L2-norm regularized SVM clustering algorithm,and can take feature selection.

关 键 词：支持向量机 L1范数 正则化 特征选择 聚类 对偶问题 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]