结合块策略的软最大距离最小化算法

SDM是全局距离优化算法,由于引入松散变量,算法需要求解的变量数量较多,增加了时间复杂度。为提高SDM算法的效率,本文提出一种BSDM算法。通过利用K-Means++聚类得到的簇为基础构建数据块,然后分块构造约束,并将离群点的影响限制在数据块内。接着结合k-散度进行实例点分类能力评估,将其他簇中对当前簇中点分类起到重要作用的点并入当前数据块,从而保证BSDM算法的准确率。实验的结果表明,BSDM提高了效率,并维持了分类准确率。