[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.
)