输出概率估计
在保持双SVM高效性的同时，直接输出校准良好的条件概率估计，解决了传统双SVM概率输出不一致的问题。
邵元海 · Lv, Xiaojing · Huang, Lingwei · Bai, Lan
Pattern Recognition 2023
每个子问题统一度量经验风险并输出类别概率，解决了传统双SVM中子问题度量不一致的问题。
尽管引入了额外的判别目标函数，但每个子问题的规模比条件概率SVM更小，可由块分解算法高效求解。
在基准和实际应用数据集上，分类精度优于多种主流TWSVM方法，展现出更好的泛化能力。
通过估计每个类别的条件概率扩展到多分类问题，并保持了上述性质。