研究提出了颗粒球双支持向量机（GBTSVM），解决了传统方法在大规模数据集中的效率、过拟合和噪声敏感性问题。GBTSVM 利用颗粒球增强分类器的稳健性和抗噪能力。其大规模版本（LS-GBTSVM）进一步提高了计算效率和扩展性。

本研究提出了一种新型损失函数——守护损失（G-loss），以增强双支持向量机（TSVM）在面对噪声和异常值时的稳健性。通过引入G-loss并结合正则化项，提出了GL-TSVM分类器，在多种数据集上表现优越，尤其在生物医学领域展现了强大的竞争力。