基于L1范数损失的非平行支持向量回归机

针对NPSVR训练速度和预测精度问题，提出一种基于L1范数损失的非平行支持向量回归机L1NPSVR模型，用于预测数值输出。L1NPSVR通过求解两个较小规模的凸规划问题，建立一个ε1-不敏感的下界函数和一个ε₂-不敏感的上界函数。在L1NPSVR模型中，每个优化问题同时最小化训练样本的L1范数损失和铰链损失，以保证模型的稳定性，减轻噪声和异常值的影响。L1NPSVR通过求解一对更小的优化问题来提高模型的运行效率。仿真结果验证了所提出方法的可行性及有效性。