论文部分内容阅读
针对鲁棒L1范数非平行近似支持向量机（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。首先，根据LI-NPSVM原目标问题对解具有规模不变性，将其转换为一个等价的带等式约束的最大化问题。该迭代算法在每次迭代中利用更新权机制获取每次迭代的更新解；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，所提算法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。