邻域信息加权的最小二乘投影双支持向量聚类

来源：电子测量技术杂志2024年第12期北京时间：

作者：王顺霞，黄成泉，罗森艳，杨贵燕，蔡江海

单位：1.贵州民族大学数据科学与信息工程学院 贵阳 550025; 2.贵州民族大学工程技术人才实践训练中心 贵阳 550025

摘要：针对最小二乘投影双支持向量聚类(LSPTSVC)算法未充分利用样本邻域之间的潜在信息、实用性不强等问题，本文提出了一种高效的邻域信息加权的最小二乘投影双支持向量聚类算法。首先引入相对密度概念充分提取数据集中同类数据点之间的局部相似性信息，然后计算该点的相对权重，最后利用该权重获得数据点的加权平均值，来更好的反映同类样本的几何结构。实验结果验证了所提算法的有效性，结果表明本文算法在相似的计算复杂度下，相比现有方法取得了更好的聚类准确性，且在真实世界的医学数据集的实际应用中表现出良好的聚类性能。

关键词：邻域信息;相对权重;最小二乘;双支持聚类

基金资助：国家自然科学基金(62062024)、贵州省模式识别与智能系统重点实验室2022年度开放课(GZMUKL［2022］KF03)、贵州省省级科技计划项目(黔科合基础-ZK［2021］一般342)、贵州省教育厅自然科学研究项目(黔教技［2022］015)资助