研究人员开发了一种新的混合截断损失函数，用于支持向量机（SVM），以提高分类准确性并增强对异常值的鲁棒性。这种新函数称为 $L_{\mathrm{ht}}$，被设计为稀疏且有界的，解决了现有凸损失和非凸损失的局限性。提出的 $L_{\mathrm{ht}}$-SVM 模型实现了全局收敛并降低了计算成本，在准确性和噪声抵抗力方面优于其他单视图方法。该方法还已扩展到多视图学习，作为 Mv$L_{\mathrm{ht}}$-SVM，在各种指标上显示出优于现有多种视图技术的性能。 AI
影响 为SVM引入了一种新颖的损失函数，有可能提高在有噪声数据上的分类任务的性能。
排序理由 该集群包含一篇详细介绍新机器学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →