原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
附件论文中英文摘要格式作者姓名薄列峰论文题目大规模核机器学习研究作者简介薄列峰男年月出生年月师从于西安电子科技大学焦李成教授硕博连读于年月获博士学位中文摘要核机器学习及其应用已经渗透到多个学科并在数据挖掘信息检索计算机视觉生物信息论信号处理智能控制等领域取得了丰硕的成果在过去十年中数据规模的增长远远超过了处理器速度的增加另一方面机器学习算法的理论性越来越强计算复杂度也越来越高基于统计学习理论的支持向量机便是一个典型的例子大量的对比实验已经表明支持向量机在很多问题上获得了良好的推广能力然而支持向量
PAGE
PAGE 8
附件2
论文中英文摘要格式
作者姓名：薄列峰
论文题目：大规模核机器学习研究
作者简介：薄列峰，男，1978年2月出生，2002年9月师从于西安电子科技大学焦李成教授（硕博连读），于2007年12月获博士学位。
中 文 摘 要
核机器学习及其应用已经渗透到多个学科，并在数据挖掘、信息检索、计算机视觉、生物信息论、信号处理、智能控制等领域取得了丰硕的成果。在过去十年中，数据规模的增长远远超过了处理器速度的增加。另一方面，机器学习算法的理论性越来越强，计算复杂度也越来越高。基于统计学习理论的支持向量机便是一个典型的例子。
大量的对比实验已经表明支持向量机在很多问
文档评论（0）