细节增强的matlab代码
Ramp-KSVCR（斜坡损耗K支持向量分类-回归）；
一种用于多类分类问题的稀疏健壮方法
这是关于我们提出的名为“斜坡损耗K支持向量分类回归的方法”的指南；
Ramp-KSVCR”。
总而言之，我们基于斜坡损失K支持向量分类回归，提出了一种用于多类分类问题的精确，稀疏和鲁棒的方法。
这项研究的主要目的是解决以下问题；
增强K-SVCR方法在某些类分布高度不平衡和偏斜的数据集上的性能，
通过将Ramp损失函数引入我们的模型，降低SVM的敏感性及其对训练集中存在噪声和异常值的扩展；
提出的Ramp-KSVCR模型是不可微的非凸优化问题，因此，我们采用凹-凸过程（CCCP）求解该模型。
为了使我们的模型更适用于大规模设置并减少训练时间，乘数交替方向法（ADMM）用于解决CCCP每次迭代中的次二次编程问题。
建议的方法的详细信息发布在以下论文中（如果使用此代码，请引用此论文）：
参考：
Bamakan，SMH，Wang
H.，＆Shi，Y.（2017年）。
斜坡损失K支持向量分类-回归;
一种强大而稀疏的多类方法来解决入侵检测问题。
基于知识的系统。
*****
