基于核函数的最大间隔聚类算法

被引：8

作者：

阎辉

张学工

李衍达

机构：

[1] 清华大学自动化系智能技术与系统国家重点实验室

[2] 清华大学自动化系智能技术与系统国家重点实验室北京

[3] 北京

来源：

清华大学学报(自然科学版) | 2002年 / 01期

关键词：

支持向量机; 无监督学习; 聚类;

D O I：

10.16511/j.cnki.qhdxxb.2002.01.036

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了基于最优超平面与支持向量机思想的最大间隔聚类算法。该方法借鉴了最优超平面思想和用核函数非线性映射构造支持向量机的思想。通过构造一个二次规划问题 ,得到了使分类后两类间距最大的聚类方法 ,并且借助非线性核函数将该方法推广到非线性情况。仿真试验表明 :该方法可以较好地解决很多非监督分类问题 ,得到的结果基本不受数据分布形状的影响

引用

页码：132 / 134

页数：3

共 5 条

[1]

Estimating the support of a high-dimensional distribution. Scholkopf B,Platt J. Neural Computation . 2001

[2]

Semi -Supervised Support Vector Machines. Kristin P Bennett,Ayhan Demiriz. Proc of Neural Info Processing Systems . 1998

[3]

Robust linear programming discrimination of two linearly inseparable sets. Bennett K P,Mangasarian O L. Optim Methods and Software . 1992

[4]

The Nature of statistical learning theory. Vapnikvn. . 1995

[5]

Kernel principal component analysis. ScholkopfB,Sm olaA. ICANN97 . 1997

← 1 →