Robust kernel-free quadratic surface twin support vector machine with capped $L_1$-norm distance metric
信息检索
2024-05-28 v1
摘要
双支向量机 (TSVM) 是模式分类中一种非常经典且实用的分类器。然而，传统 TSVM 有两个局限性。首先，它使用 L_2-范数距离度量标准，导致其对异常值敏感。其二，它需要为非线性分类选择合适的核函数和核参数。为有效避免这两个问题，本文提出一种 robust capped L_1-范数 kernel-free 二次曲面双支向量机 (CL_1QTSVM)。我们模型的优势简要概括如下：1) 通过采用受限 L_1 范数距离度量标准，进一步提高了模型的鲁棒性。2) 本模型是一种 kernel-free 方法，避免了选择合适核函数和核参数耗时的过程。3) 引入 L_2-范数正则化项以提高模型的泛化能力。4) 为高效求解所提出模型，开发了一种迭代算法。5) 对所开发算法的收敛性、时间复杂度和局部最优解的存在性进行了进一步讨论。在大量数据集上的数值实验验证了所提出模型的分类性能和鲁棒性。
引用
@article{arxiv.2405.16982,
title = {Robust kernel-free quadratic surface twin support vector machine with capped $L_1$-norm distance metric},
author = {Qi Si and Zhi Xia Yang},
journal= {arXiv preprint arXiv:2405.16982},
year = {2024}
}