MKL-$L_{0/1}$-SVM
原文中文，约300字，阅读约需1分钟。发表于：。该论文介绍了一种用于支持向量机（SVM）的多核学习框架（缩写为 MKL）以及使用 $(0, 1)$ 损失函数的方法。通过给出一些一阶次优性条件，进而设计了一种快速 ADMM 求解器来处理非凸和非光滑优化问题。对合成和真实数据集进行了广泛的数值实验，显示出我们的 MKL-$L_{0/1}$-SVM 与一种名为 SimpleMKL（Rakotomamonjy、Bach、Canu 和...
该论文介绍了一种用于支持向量机的多核学习框架以及使用0,1损失函数的方法。通过一阶次优性条件设计了快速ADMM求解器来处理非凸和非光滑优化问题。数值实验显示该方法性能相当于SimpleMKL方法。
