用凸函数编程求解不定核支持向量机。

无限内核支持向量机（IKSVM）最近在机器学习中引起了越来越多的关注。 与传统的SVM不同，IKSVM本质上是一个凸优化问题。 一些算法直接丢失了内核中涉及的一些有价值的信息，从而直接改变了不确定内核矩阵的谱，从而将非凸问题转化为凸问题。 其他算法旨在解决IKSVM的双重形式，但是在不确定的内核的情况下，存在原始问题和双重问题之间的双重差距。 在本文中，我们直接关注IKSVM的非凸素数形式，并提出了一种称为IKSVM-DC的新颖算法。 根据不确定核矩阵的频谱特征，IKSVM-DC将目标函数分解为两个凸函数的减法，从而将原始问题重新表述为可以通过DC优化的凸函数（DC）编程差异算法（DCA）。 为了加快收敛速度​​，IKSVMDC在每次迭代时还将经典DCA与沿下降方向的线搜索步骤结合在一起。 然后进行理论分析，以验证IKSVM-DC可以收敛到局部最小值。 在现实世界的数据集上进行的系统实验表明，与最新的IKSVM相关算法相比，IKSVMDC具有优越性。