近日，邵元海教授团队在中国科学院二区TOP期刊（JCR一区）《Journal of Computational and Applied Mathematics》发表了题为“A nonlinear kernel SVM classifier via L_{0/1} soft-margin loss with classification performance”的文章。该文章的主题是研究分类的0-1损失支持向量机（SVM）智能算法。
支持向量机算法是人工智能机器学习领域中的经典算法，在金融、工程和生物信息领域有广泛的应用。0-1损失是支持向量机算法对于分类错误样本最自然的惩罚函数，但是其非凸、非连续的数学性质对于优化学界的求解是一大难题。针对0-1损失分类支持向量机的线性求解，文章给出了从线性到非线性情形的拓展模型与算法，该拓展难点在于传统损失的支持向量机算法从线性到非线性的过渡多依赖于原问题的对偶模型和核函数的结合，而0-1损失对偶模型的显示表达相较于原问题更为困难，文章利用泛函表示定理给出了应对此困难的一可行方案，并且新成果整体上继承了线性情形中建立的独特新颖的邻近点算子优化理论和带有工作集机制的交替方向乘子法（ADMM）的迭代算法两项主要工作。该成果对于线性工作做了有益的补充，在理论和实践上具有一定的学术价值。
海南大学为第一完成单位，在读博士刘锯为第一作者，邵元海教授为论文通讯作者。该项研究得到了国家自然科学基金、海南省自然科学基金等资助。
论文链接：https://doi.org/10.1016/j.cam.2023.115471
