传统SVM仅依赖输入特征进行分类，而SVM+利用训练时可用的额外信息（特权信息，如专家标注、上下文信息等），这些信息在测试时不可用。通过特权信息，模型能更准确地估计样本的“难易程度”，从而调整分类边界。通过多核学习（MKL）自适应地调整核函数，使得映射后的特征空间对齐源领域和目标领域的分布，从而提升模型在目标领域的泛化能力。也就是说，我们通过调整超平面的法向量方向，从而调整两个类别的最小连线和法向