摘要: 针对鲁棒L1范数非平行近似支持向量机 (Robust L1-norm non-parallel proximal support vector machine, L1-NPSVM)求解算法无法保证获取可靠解的问题,提出一个新颖的迭代算法来解L1-NPSVM的目标问题。具体的,将目标转换为一个带等式约束的最大化问题以至于每次迭代中,问题归结为解两个快速的线性方程问题。从理论上证明了算法的收敛性。在公共UCI数据集上,实验显示,所建议算法的不仅在分类性能上要远远好于L1-NPSVM,且具有相当的计算优势。
中图分类号: