具有广义二次非凸ε-不敏感损失的鲁棒支持向量回归

本文提出了一种具有新的非凸二次ε-不敏感损失函数的鲁棒支持向量回归策略。该方法对异常值或噪声具有鲁棒性，因为它可以通过调整弹性区间参数和自适应鲁棒性参数来自适应控制损失值，并减少异常值或噪音对决策函数的负面影响。鉴于优化问题的非凸性，采用凹凸规划方法来解决该问题。两个人工数据集和三个真实世界数据集上的实验结果表明，所提出的方法在鲁棒性和泛化能力方面均优于支持向量回归、L1范数支持向量回归，最小二乘支持向量回归和稳健最小二乘支持向量机回归，以及具有Huber损失函数的支持向量回归。