- 带有 $l_0$ 范数 Hinge 损失的核支持向量机分类器
本文讨论了用于二分类问题的支持向量机（SVM）中 $l_0$-norm hinge loss 和 ADMM 算法， 证明了其等价关系和局部最优解，并对比了实验结果。
- 支持向量机引导的再生核粒子方法用于基于图像的微结构建模
该研究提出了一种基于支持向量机（SVM）分类的方法，以自动化复合材料数字表示构建中的离散化和近似过程，该方法还使用 IM-RKPM 算法进行适当的近似处理，并通过对聚合物 - 陶瓷复合材料微观结构建模进行验证。
- 基于分离度和离散度比率的高效支持向量机正则化参数、核函数以及核函数参数选择
通过随机分析正则化参数的行为，本文将 SVM 的性能建模为数据的可分性和散乱性比率的函数。该比率可以自动检测线性或非线性可分性，并提供优化的正则化参数和核函数及其参数，从而将 CV 网格搜索的计算复杂性仅减少到一次使用 SVM，真实数据集的 - 插值和 SVM 之间的新等效性：核和结构化特征
该论文介绍了一种新的和灵活的分析框架，可用于证明任意再生核希尔伯特空间中的支持向量机，并且在独立亚高斯特征和一般有界正交系统家族（例如傅里叶特征）中的特征两个方面都表现出支持向量增殖现象，这些实验未能覆盖。
- 正则化和多视图支持向量机学习的本地化
本论文证明了一些 representer 定理，用于处理一般情况下的支持向量机学习问题，该问题涉及到算子值半正定核和它们的再生核希尔伯特空间。在有限和无限维输入空间和凸或非凸损失函数情况下，我们证明了这个普遍框架允许无限维输入空间和某些特殊 - 悲喜结合网络。根据结构特征分类戏剧流派
本文介绍了使用基于角色网络的文本聚类方法，利用 DraCor 数据库下载的戏剧文本，在 R 中进行分析后使用基于统计学的方法，如支持向量机来对喜剧和悲剧进行分类，并且表明这种方法在小样本量情况下也可以产生可靠的结果。
- 生物信息学机器学习中的 Anderson 加速
本文探讨了在经典机器学习分类器中使用 Anderson 加速方法的有效性与实用性，实现了一种支持向量机分类器的变体，证明了使用 Anderson 加速可以显著提高收敛速度和降低训练损失，为今后在这一领域的应用提供了有力支持。
- 粒球模糊集及其在支持向量机中的应用
引入粒球计算到模糊集中，提出了一种称为粒球模糊集的框架，它比传统的模糊方法更高效、更稳健、更具扩展性，可以用于各种模糊数据处理领域，扩展到分类器支持向量机（FSVM）中以得到粒球模糊支持向量机（GBFSVM），实验证明了 GBFSVM 的有 - GBSVM：粒球支持向量机
本研究修复了 GBSVM 原模型存在的问题，推导了其对偶模型，并设计了基于粒子群优化算法的算法来解决其模型，实验结果表明 GBSVM 具有良好的鲁棒性和效率。
- 利用机器学习技术促进不发达语言的发展：乌尔都语文本检测进展
本文开发了一个带有乌尔都文本的情景图像数据集，并提出使用机器学习方法从这些图像中检测乌尔都文本的方法，包括通过 MSER 方法提取文本区域、利用 SVM 分类器筛选非文本区域、HoG 特征训练第二个 SVM 分类器来进一步提高文本区域检测的 - 使用 BERT 和 SVM 集成模型对推文进行情感检测
本文提出了一种方法，通过将中性情绪加入到包含恐惧、悲伤、喜悦和愤怒四种情绪的基准数据集中，构建了一个平衡的数据集。在这个扩展数据集上，我们研究了支持向量机（SVM）和双向编码器表示转换器（BERT）在情感识别中的应用，并提出了一种将两种模型 - 面向拓扑的端到端电力系统可靠性评估机器学习
本研究探讨使用端到端机器学习直接预测可靠性指标，提出了基于输入特征的系统阻抗矩阵编码的机器学习流程，通过对输电线路的定期维护对特定拓扑变化的影响进行考虑，使用支持向量机和 Boosting Trees 进行训练和比较，实验证明了该方法在可靠 - MM工业环境下声音事件分类：管道泄漏检测应用案例
本文提出了一种多阶段机器学习（ML）管道泄漏检测流程，该流程通过特征选择和提取基于时间的特征等多个步骤处理复杂嘈杂环境数据，将结果送入适用于数据量大幅降低和复杂度较低的支持向量机（SVM），在包含噪声和泄漏的数据集上取得了 99％的准确率和 - 使用单类支持向量机进行软件缺陷预测的研究
本文研究软件缺陷预测技术，探讨了单类支持向量机在缺陷预测方面的应用，通过大规模实证研究得出单类支持向量机在跨版本和跨项目方面的预测效果优于同类别模型，在实例稀缺或不可用时适用。
- 基于增强卷积神经网络的物联网心电图信号有效分类
本文提出了一种基于物联网技术的新型心电监测方法，使用基于 DSR 和 REL 的路由系统，并测试了基于 ANN、SVM 和 CNN 的 ECG 信号分类方法。Deep-ECG 将采用深度 CNN 来提取重要特征，并使用简单且快速的距离函数进 - CVPR利用脑部活动预测想象的内容
研究使用机器学习技术对人脑成像数据进行分类，统计分析显示无论奖励是想象还是视觉呈现，人类中脑区域都会被激活。
- EMNLP使用 BERT 对具有信息价值的 COVID-19 推文进行分类的 WNUT-2020 任务 2 的 Dartmouth CS
该篇论文描述了在 WNUT-2020 共享任务 2 中开发的针对 COVID-19 英文推文信息识别的系统。研究者团队利用 BERT 模型进行了文本分类任务，并且通过对 BERT 模型的微调以及将其嵌入特征与推文特定特征连接后再采用支持向量 - 基于视觉定位的高效场景压缩
本文提出了一种利用约束二次规划方法对 3D 场景重建的子集进行压缩，采用支持向量机的辅助序列最小优化算法来求解，得到准确的摄相机姿态估计。
- 一种可扩展的基于 MIP 的学习最优多变量决策树方法
本文提出了一种新的基于支持向量机和 1 - 范数分多元决策树（ODT）训练的混合整数规划（MIP）公式，利用线性规划（LP）数据选择方法选择数据样本，实现了对大数据集的有效训练，并在包含 245,000 个样本的数据集上验证了该方法优于现有 - 监督式机器学习的严谨和鲁棒量子加速
本文提出一种量子支持向量机分类器模型，实现有监督分类并取得了明显的量子加速，要求仅具备经典数据访问能力。在构造的数据集中，基于普遍认为的离散对数问题的困难性假设，该量子分类器实现的分类效果均优于无法逆多项式地超越瞎猜的经典学习器。这个模型可