ماشین‎های بردار پشتیبان کمترین مربعات تنک کارآمد برای دسته‎بندی الگو

‏در این پایان نامه‏،‎‎ یک ماشین بردار پشتیبان کمترین مربعات جدید‏‏، برای دسته بندی معرفی می کنیم‏، ‎که آن را ∋‎-ماشین بردار پشتیبان کمترین مربعات می نامیم. با معرفی یک تابع ‎‎‏زیان جدید به جای تابع زیان ‏مرتبه دوم د‎ر‎‎‎‏‎ ماشین بردار پشتیبان کمترین مربعات‏‏، ∋-ماشین بردار پشتیبان کمترین مربعات‏، ‏‎ ‎‎نتایج بهتری نسبت به ∋ دارد؛ (1) تنک است و این خاصیت آن را می توان با پارامتر ∋ ‏کنترل کرد. (2)‎ ‏با وزن دهی متفاوت به ‎∋ برای هر کلاس‏، مسأله ی نامتعادل می تواند با موفقیت حل شود‏‏، علاوه بر آن‏، یک انتخاب کاربردی از پارامتر ∋ پیشنهاد می کنیم.‎ همچنین الگوریتمی با نام الگوریتم برش پیشنهاد می کنیم که مسأله ی دسته بندی را به مسأله های کوچکتر می شکند و محاسبات آن را کاهش می دهد.