最近提出的基于特征缺失的支持向量机（support vector machine with absent features，AF-SVM）在处理具有特征缺失的数据分类时，得到的分类超平面不能很好地适应数据的总体分布，并存在两类误分的比例相差比较大的问题。为此，本文通过引入最小类内方差支持向量机（minimum class variance SVM，MCVSVM）分类机制，提出了基于特征缺失的最小类内方差支持向量机（Ininimum within-class variance SVM with absent
