改进的极小极大概率终端学习机

极小极大概率机(Minimax Probability Machine, MPM)、极小极大概率终端学习机(Minimax Probability Extreme Learning Machine, MPELM)和孪生极小极大概率终端学习机(Twin MPELM, TMPELM)在不对数据分布进行具体要求的情况下，可以为泛化误差提供明确的上界，同时使经验风险极小化。目前，MPM算法、MPELM算法和TMPELM算法主要是通过求解二阶锥规划模型的内点算法实现。本文利用支持向量机思想和凸二次规划的Wolfe对偶形式，对已有的MPM算法、MPELM算法和TMPELM算法进行了改进，并提出了三个新算法。实验结果表明，本文所提算法是有效和可竞争的。