Con el desarrollo de la ciencia y la tecnología, se ha producido cada vez más datos. Para muchos de estos conjuntos de datos, solo algunos de los datos tienen etiquetas. Con el fin de aprovechar al máximo la información en estos datos, es necesario clasificarlos. En este documento, proponemos una máquina de vectores de soporte semisupervisada cuadrática sin núcleo y escasa (), en la que agregamos un término de regularización de norma para hacerlo escaso. Surgió un problema NP-duro ya que el modelo propuesto contiene la norma y otro término no convexo. Un método importante para resolver el problema no convexo es la programación DC (diferencia de funciones convexas). Por lo tanto, primero aproximamos la norma mediante una función DC poliédrica. Además, debido a la existencia de términos no suaves, utilizamos el sGS-ADMM para resolver el subproblema. Finalmente, experimentos numéricos empíricos muestran la eficiencia del algoritmo propuesto.