[发明专利]一种基于l0-合页损失函数的鲁棒分类方法

摘要

本发明提出了一种基于l₀‑合页损失函数的鲁棒分类方法，所述方法利用罚函数与分块坐标下降法解出分类超平面，对测试样本进行预测判决，所述方法包括鲁棒分类器l₀‑SVM模型，所用的l₀‑合页损失函数具有分段常数性质，误分类样本的离散性不会被平滑，并且误分类样本离边界的远近不影响l₀‑合页损失函数的大小变化，基于l₀‑合页损失函数设计的分类器l₀‑SVM对被标签噪声具有鲁棒性。在训练样本包含标签噪声的情况下，仍能够训练出分类性能较好的分类超平面。

主权项

1.一种基于l0‑合页损失函数的鲁棒分类方法，其特征在于，所述方法利用罚函数与分块坐标下降法解出分类超平面，对测试样本进行预测判决，具体包括以下步骤：S1.获取训练集数据S2.计算关于训练样本的核矩阵K，令n维对角方阵Y的主对角元为训练标签；S3.初始化参数向量u、v，罚函数惩罚因子β；S4.在鲁棒分类器l0‑SVM模型中，通过分块坐标下降法交替迭代求解u和v，使目标函数的误差最小化；S5.当鲁棒分类器l₀‑SVM模型的目标函数的相对误差小于设定阈值，令分类超平面参数w的组合系数偏置b＝u_n+1，跳转至S6；否则，增大惩罚因子β，跳到S4；S6.输出α，b；S7.对测试样本进行准确度预测。