Este artículo propone un nuevo regularizador inductor de esparsidad de grupo para aproximar la pseudo-norma. El regularizador es no convexo, lo que puede verse como una mejora generalizada linealmente involucrada de Moreau del -norma. Además, la convexidad general del problema de mínimos cuadrados regularizados por esparsidad de grupo correspondiente puede lograrse. El modelo puede manejar configuraciones de grupo generales como problemas de esparsidad de grupo ponderados, y puede resolverse a través de un algoritmo de división proximal. Entre las aplicaciones, considerando que el sesgo del regularizador convexo puede llevar a resultados de clasificación incorrectos, especialmente para conjuntos de entrenamiento desequilibrados, aplicamos el modelo propuesto al problema de clasificación de esparsidad de grupo (ponderado). El clasificador propuesto puede utilizar la información de etiqueta, similitud y localidad de las muestras. También suprime el sesgo de los clasificadores basados en regularizadores convexos. Los resultados experimentales demuestran que el clasificador propuesto mejora el rendimiento de los métodos basados en regularizadores convexos, especialmente cuando el conjunto de datos de entrenamiento está desequilibrado. Este artículo mejora la aplicabilidad y efectividad potencial de usar regularizadores no convexos en el marco de la optimización convexa.