Efficient Large-Scale Classification with Linex Least Square Twin Bounded Support Vector Machine

doi:10.37193/CJM.2026.02.06

Efficient Large-Scale Classification with Linex Least Square Twin Bounded Support Vector Machine

2026-01-01

0

PRE

AI

A

Angkeeree, Attanaporn

DOI：10.37193/CJM.2026.02.06

原文链接

原文求助

摘要

En 中文

本文针对机器学习中大规模分类问题面临的挑战，传统算法常因计算和内存限制导致训练时间过长。为克服这些限制，我们提出LSTBSVM-linex模型，该模型结合了非对称Linex损失函数与最小二乘双界支持向量机（LSTBSVM），并采用Adam算法针对大规模数据集进行优化。所提模型在分类鲁棒性和计算效率方面均表现出更优性能，并通过收敛性分析和数值结果得到支持。此外，通过统计检验验证了LSTBSVM-linex的竞争力。该模型的有效性进一步通过其在膝关节骨关节炎X光图像上的成功应用得到说明，其中特征提取采用预训练的ResNet18模型。

Keyword:

Support Vector Machine

Large-scale classification

Linex loss function

Efficient Large-Scale Classification with Linex Least Square Twin Bounded Support Vector Machine

摘要

期刊

机构

引用论文