Robust Optimization Models for Nonparallel Support Vector Machine

Wendi Zhang

doi:10.1016/j.dsp.2025.105616

Robust Optimization Models for Nonparallel Support Vector Machine

2025-09-24

0

PRE

AI

DOI：10.1016/j.dsp.2025.105616

原文链接

摘要

En 中文

为解决现实场景中噪声污染数据导致的分类性能下降问题，我们提出了一种基于不确定集的鲁棒非平行支持向量机（NPSVM）框架。该框架通过部署两条策略性部署的非平行超平面，创新性地克服了传统方法对精确标签的依赖，确保在噪声环境下的鲁棒分类性能。我们的方法具有四项基础创新：首先，多参数惩罚机制补偿类别不平衡，提高分类精度；其次，ε不敏感损失函数提供内在噪声抵抗性并保持模型稀疏性；第三，通过基于凸优化的不确定量化（采用超矩形和超椭球集）确保严格的鲁棒性；最后，所提模型通过求解两个较小的凸子问题实现计算高效。在UCI基准数据集上的实验验证表明，相比传统算法，我们的方法表现更优，其中基于超椭球不确定集的分类器尤为突出。

Robust Optimization Models for Nonparallel Support Vector Machine

摘要

期刊

机构

引用论文