在保持预测精度不变的前提下，筛除不活跃样本，显著降低大规模ν-支持向量机的训练开销。
杨智基 · Wanyi, Chen · Zhang, Huan · 徐义田 · 石磊 · 赵建华
Pattern Recognition 2024
在训练前移除不活跃样本，从而减少计算量，且不牺牲预测精度。
规则基于KKT条件、凸问题变分不等式和ν性质严格推导，保证安全性和有效性。
提出统一框架加速多种SVM模型，并成功应用于单类SVM。