[1] Baymani,M.、Salehi-M N.和Mansoori,A.《应用范数概念求解区间支持向量机》,《神经计算》311(2018),41-50。
[2] Blake C.L.和Merz,C.J.计算机部机器学习数据库UCI存储库。科学。,加州大学欧文分校[在线]。
[3] Calisir,D.和Dogantekin,E.一种新型智能肝炎诊断系统:PCA-LSSVM,Expert Systems with Applications 38(8)(2011),10705–10708。
[4] Gao,Y.,Shan,X.,Hu,Z.,Wang,D.,Li,Y.和Tian,X.基于MSER和在线LS-SVM学习的随机投影扩展压缩跟踪,模式识别。59 (2016), 245–254.
[5] Hao,P.-Y.,新支持向量算法与参数不敏感/边缘模型,神经网络,23(1)(2010),60-73。
[6] Kumar M.A.和Gopal,M.用于模式分类的最小二乘双支持向量机,专家系统。申请。36 (2009), 7535–7543.
[7] Lin,C.J.《支持向量机分解方法停止准则的形式分析》,IEEE神经网络事务,13(2002),1045-1052。
[8] Long,B.,Xian,W.,Li,M.和Wang,H.基于具有马氏距离的PSO算法的LSSVM改进模拟电路早期故障诊断,神经计算133(10)(2014),237–248。
[9] Mangasarian O.L.和Wild,E.W.《通过广义特征值进行多表面近端支持向量分类》,IEEE模式分析和机器智能汇刊,28(1),(2006),69-74。
[10] Mehrkanoon,S.和Suykens,J.A.使用LS-SVM学习偏微分方程的解,神经计算159(2)(2015)105–116。
[11] Newman,C.B.D.和Merz,C.,1998年。机器学习数据库的UCI存储库。统一资源定位地址网址:http://www.ics.uci.edu/~mlearn/MLRepository.html
[12] Schölkopf,B.,Smola,A.,Williamson,R.C.和Bartlett,P.L.新支持向量算法,神经计算。12(2000),1207-1245。
[13] Suykens,J.A.K.和Vandewalle,J.最小二乘支持向量机分类器,《神经处理快报》9(3)(1999)293–300。
[14] Vapnik,V.N.《统计学习理论的本质》,Springer,纽约,1996年。
[15] Vapnik,V.N.统计学习理论,John Wiley and Sons,纽约,1998年。
[16] Yang,L.,Yang,S.,Li,S.、Zhang,R.、Liu,F.和Jiao,L.耦合压缩感知启发的稀疏空间谱LSSVM用于高光谱图像分类,基于知识的系统。79 (2015) 80–89.