{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,5,23]]，“日期-时间”：“2024-05-23T21:52:42Z”，“时间戳”：1716501162424}，“参考-计数”：29，“出版商”：“Springer Science and Business Media LLC”，“发行”：“8”，“许可证”：[{“开始”：{-“日期-零件”：[2019,2,25]]，”日期-时间“：”2019-02-25T00:00:00Z“，“timestamp”：1551052800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com/tdm”}]，“funder”：[{“DOI”：“10.13039\/501100001809”，“name”：“国家自然科学基金会”，“DOI-asserted-by”：“publisher”，“award”：[“71571091”]}，{“DOI”：中国科学基金”，“doi-asserted-by”：“publisher”，“award”：[“71771112”]}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[”Appl Intell“]，“published-print”：{“date-parts”：[[2019,8]]}，”doi“10.1007\/s10489-019-01422-7”，“type”：“journal-article”，“created”：{-“date-ports”：[2019,2,24]]，“日期-时间”：“2019-02-24T20:45:07Z”，“timestamp”：1551041107000}，“page”：“3061-3081”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：“Crossref”，“is-referenced-by-count”：13，“title”：[“投影小波加权双支持向量回归及其主解”]，“prefix”：“10.1007”，”volume“：”49“，”author“：[{”ORCID“：“http://\/orcid.org\/00000-0003-3923-849X”，“authenticated-orcid”：false，“given”：“丽东”，“family”：“王”，“sequence”：“first”，“affiliation”：[]}，“giving”：“Chuang”，“家庭”：“Gao”，“序列”：“additional”，“从属关系”：[]}，，“family”：“Chen”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[[2019,2,25]]}，“reference”：[{“key”：“1422_CR1”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/9781-4757-2440-0”，《volume-title》：“The natural of statistical learning theroy”，“author”：“VN Vapnik”，”year“1995”，“unstructured”：“Vapnik-VN（1995）统计学习理论的本质。Springer，New York“}，{“key”：“1422_CR2”，“volume title”：“统计学习理论”，“author”：“VN Vapnik”，“year”：“1998”，“nonstructured”：“Vapnik VN（1998）Statistical learning thery.Wiley，New York”}，{“issue”：“5”，“key”：“1422_CR3”，“doi asserted by”：“publisher”，“first page”：“905”，“doi”：“10.1109\/TPMI.2007.1068”，“volume”：“29”，“author”：”JR Khemchandani“，”year“：”2007“，”unstructured“：”Khemchandani JR，Chandra S（2007）模式分类的双支持向量机。IEEE Trans-Pattern Ana 29（5）：905\u2013910“，“journal-title”：“IEEE Trans-Pattern ANA”}，{“issue”：“3”，“key”：“1422_CR4”，“doi-asserted-by”：“publisher”，“first page”：《356》，“doi”：“10.1016\/j.neunet.2009.07.002”，“volume”：”23“author”：“X Peng”，“year”：“2010”，“unstructured”：“Peng X（2010）TSVR：一种用于回归的高效双支持向量机。Neural Netw 23（3）：356\u2013372“，”journal-title“：”Neural Networkw“}，{“key”：“1422_CR5”，“unstructured”：“Suykens JAK，Lukas L，Dooren V（1999）最小二乘支持向量机分类器：一种大规模算法。In:Proceedings of ECCTD.Italy，pp 839\u201384210.1023\/A：1018628609742“，”卷“：”9“，”作者“：”JAK-Suykens“，”年份“：”1999“，”非结构化“：”Suykens JAK，Vandwalle J（1999）最小二乘支持向量机分类器。神经过程Lett 9（3）：293\u2013300“，”journal-title“：”Neural Process Lett“}，{”issue“：”5“，”key“：”1422_CR7“，”first page“：“1207”，“volume”：“12”，“author”：“B Scholkopf”，“year”：“2000”，“unstructured”：“Scholkoff B，Smola AJ，Williamson RC，Bartlett PL（2000）新的支持向量算法。神经计算12（5）：1207\u20131245”，“journal-title”：“”Neurocomputing“}，{”key“：”1422_CR8“，”doi-asserted-by“：”publisher“，”first page“：“371”，“doi”：“10.1016\/j.csda.2014.03.016”，“volume”：“77”，“author”：“XL Huang”，“year”：“2014”，“unstructured”：“Huang XL，Shi L，Pelckmans K，Suykens JAK（2014）Asymetric\u03bd-tube support vector regressions.Compute Stat Data Anal 77:371\u2013382”，“journal-title”：“”计算统计数据分析“}，{”key“：”1422_CR9“，”doi-asserted-by“：”publisher“，”first page“：“984”，”doi“：”10.1109\/TPAMI.2013.178“，“volume”：“36”，“author”：“XL Huang”，“year”：“2014”，“unstructured”：“Huang XL，Shi L，Suykens JAK（2014）支持向量机分类器的弹球损失。IEEE Trans-Pattern Anal 36:984\u2013 997”，“journal-title”：“IEEE Trans-Pattern Ana“}，{”issue“：”2“，”key“：”1422_CR10“，”doi-asserted-by“：”publisher“，”first page“：“359”，”doi“：”10.1109 \/TNNLS.2015.213006“，”volume“:”28“，”author“：”Y Xu“，”year“：”2016“unstructured“：”Xu Y，Yang Z，Pan X（2016）一种新型的带弹球损失的双支持向量机。IEEE Trans-Neural Netw Learn Syst 28（2）：359\u2013370“，“journal-title“：”IEEE Trans Neural Netw Learn Syst“}，{“key”：“1422_CR11”，“doi-asserted-by”：“publisher”，“first page”：”75“，“doi”：“10.1016\/j.knosys.2015.12.005”，“volume“：”95“，“author”：“Y Xu”，“year”：“2016”，“unstructured”：“Xu Y，Yang Z，Zhang Y，Pan X，Wang L（2016）”一种具有弹球损失的最大余量和最小体积超球体机器，用于不平衡数据分类。Knowl-Based Syst 95:75\u201385“，”journal-title“：”Knowl-Based Syss“}，{”key“：”1422_CR12“，”first page“：“1”，“volume”：“2”，”author“：”Y Xu“，”year“：”2017“，”unstructured“：”Xu Y，Li X，Pan X，Yang Z（2017）Asymmetric\u03bd-twin support vector regressions.Neural Comput Appl 2:1\u201316“，”journal-ttitle“：，“doi-asserted-by“：”publisher“，”first page“：”175“，“doi”：“10.1007\/s00521-012-0924-3”，“volume”：“23”，“author”：“Y Shao”，“year”：“2013”，“unstructured”：“Shao Y，Zhang C，Yang Z，Jing L，Deng N（2013）An\u03bd-twin回归支持向量机。神经计算应用程序23:175\u2013185”，“日志标题”：“神经计算应用”}，{“key”：“1422_CR14”，“doi-asserted-by”：“publisher”，《首页》：“670”，“doi”：“10.1007\/s10489-016-0860-5”，“卷”：“46”，“作者”：“R拉斯托吉”，“年份”：“2017”，“非结构化”：“拉斯托吉R，Anand P，Chandra S（2017）基于v-twin支持向量机的回归，具有自动精度控制。Appl Intell 46:670\u2013683“，”journal-title“：”Appl Intel}，{“key”：“1422_CR15”，“first page”：”131“，”volume“：”138“，“author”：“X Peng”，“year”：“2014”，“unstructured”：“Peng X，Xu D，Shen J（2014）数据回归的双投影支持向量机。神经计算138:131\u2013141“doi-asserted-by“：”publisher“，”first-page“：”53“，”doi“：”10.1016\/j.ins.2017.06.017“，”volume“：”s415\u2013416“，”author“：”G Melki“，”year“：”2017“，”unstructured“：”Melki G，Cano A，Kecman V，Ventura S（2017）通过相关回归链进行多目标支持向量回归。Info Sci s415\u2013416:53\u201369“，“journal-title”：“Info Scy”}，{“issue”：“6”，“key”：“1422_CR17”，“doi-asserted-by”：“publisher”，“first-page”：“1241”，“doi”：“10.1007\/s00521-014-1596-y”，“volume”:“25”，“author”：“S Ding”，“year”：“2014”，“unstructured”：“Ding S，Wu F，Shi Z（2014）小波双支持向量机。神经计算应用25（6）：1241\u20131247“，”journal-title“：”Neural Comput Appl“}，{”key“：”1422_CR18“，”doi-asserted-by“：”publisher“，”first page“：“228”，”doi“：”10.1016\/j.patcog.2018.02.007“，”volume“：：”79“，”author“：”G Melki“，”year“：”2018“，”unstructured“：”Melki G，Cano A，Ventura S（2018）MIRSVM:带袋子代表的多实例支持向量机。Pattern Recogn 79:228\u2013241“，”journal-title“：”Pattern Recogn“}，{”key“：”1422_CR19“，”doi-asserted-by“：”publisher“，”first page“：“384”，“doi”：“10.1016\/j.asoc.2018.02.040”，“volume”：“66”，“author”：“G Melki”，“year”：“2018”，“unstructured”：“Melki G，Kecman V，Ventura S，Cano A（2018）OLLAWV：使用最坏违规者的在线学习算法。应用软件计算66:384\u2013393”，“journal-title“：”Appl Soft Compute“}，{”key“：”1422_CR20“，”doi-asserted-by“：”publisher“，”first page“：“299”，”doi“：”10.1007\/s10489-014-0518-0“，“volume”：“41”，“author”：“Y Xu”，“year”：“2014”，“unstructured”：“Xu Y，Wang L（2014）K-最近邻加权双支持向量回归。Appl Intell 41:299\u2013309”，“journal-title”：“Appl Intel}”，{“key“：”1422_CR21“，”doi-asserted-by“：”publisher“，”first-page“：”962“，”doi“：”10.1007\/s10489-017-0913-4“，”volume“：“47”，”author“：”D Gupta“，”year“：”2017“，”unstructured“：”Gupta D（2017）通过无约束凸极小化训练基于原始K近邻的加权双支持向量回归。Appl Intell 47:962\u2013991“，”journal-title“：”Appl Intel“}，{”issue“：”5“，”key“：”1422_CR22“，”first page“：“1155”，“volume”：“19”，”author“：”O Chapelle“，”year“：”2007“，”unstructured“：”Chapelleo O（2007）Training a support vector machine in the primal.Neurocomputing 19（5）：1155\u20131178doi-asserted-by“：”publisher“，”first page“：”53“，”doi“：”10.1016\/j.neucom.2016.01.038“，”volume“：“197”，”author“：”Ye“，”year“：”2016“，”unstructured“：”Ye Y，Bai L，Hua X，Shao Y，Wang Z，Deng N（2016）加权拉格朗日\u03bd-twin支持向量回归。Neurocomputing 197:53\u201368“，”journal-title“：”Neurocumputing“}，{”issue“：”5“，”key“：”1422_CR24“，”doi-asserted-by“：”publisher“，”first page“：“1188”，”doi“：”10.1109\/72.870050“，”volume“:”11“，”author“：”S Shevade“，”year“：”2000“，”unstructured“：”Shevade-S，Keerthi S，Bhattacharyya C（2000）对支持向量机回归的SMO算法的改进。IEEE Trans Neural Netw 11（5）：1188\u20131193“，“journal-title”：“IEEE Trans-Neural Netw”}，{“issue”：“5”，“key”：“1422_CR25”，“doi-asserted-by”：“publisher”，“first page”：”678“，“doi”：“10.1109\/TKDE.2005.77”，“volume”：《17》，“author”：“Y Lee”，“year”：“2005”，“unstructured”：“Lee Y，Hsieh W，Huang C（2005）SSVR：用于不敏感回归的平滑支持向量机。IEEE Trans Knowl Data En 17（5）：678\u2013685“，”journal-title“：”IEEE Trans-Knowl-Data En“}，{”key“：”1422_CR26“，”doi-asserted-by“：”publisher“，”first page“：“1”，“doi”：“10.1016\/j.ins.2018.01.002”，“volume”：“435”，“author”：“X Peng”，“year”：“2018”，“unstructured”：“Peng X，Chen D（2018）PTSVR：通过投影双支持向量机的回归模型。Info Sci 435:1\u201314“，”journal-title“：”Info Scy“}，{“key”：“1422_CR27”，“volume-title”：“矩阵分析”，“author”：“RA Horn”，“year”：“2013”，“unstructured”：“Horn RA，Johnson CR（2013）Matrix analysis，2nd edn.剑桥大学出版社，纽约”，“edition”：“2nd edn”}，}“key:”1422_CR“，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/b105056”，“”卷-时间”：“Schur补语及其应用”，“作者”：“F Zhang”，“年份”：“2005年”，“非结构化”：“Zhang F（2005）Schur补语及其应用。Springer，New York“}，{”key“：”1422_CR29“，”unstructured“：”Blake C，Merz C（1998）机器学习数据库的UCI存储库。\n http://www.ics.UCI.edu\/mlearn\/MLRepository.html“}]，”container-title“：[”Applied Intelligence“]，”original-title”：[]，“language”：“en”，“link”：[{“URL”：“http://\/link.springer.com/article\/10.1007\/s10489-019-01422-7\/fulltext.html“，“内容类型”：“文本\/html”，“内容版本”：“vor”，“intended-application”：“text-mining”}，{“URL”：“http://\-link.springer.com/content\/pdf\/10.10007\/s10489-019-01428-7.pdf”，“content-type”：“application\/pdf”“：”文本提醒“}，{“URL”：“http://\/link.springer.com/content\/pdf\/101007\/s10489-019-01422-7.pdf”，“content-type”：“application\/pdf”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[[2020,2,24]]，“date-time”：”2020-02-24T19:25:10Z“，”timestamp“：1582572310000}，“score”：1，“resource”：{“primary”：{“URL”：“http://\/link.springer.com/10.1007\/s10489-019-01422-7”}}，“副标题”：[]，“短标题”：[]，“已发布”：{“日期-部件”：[[2019,2,25]]}，”引用计数“：29，”日志发布“：{”问题“：“8”，“发布-版本”：{“日期-部分”：[2019,8]}}、“替代id”：[“1422”]，“URL”：“http://\”/dx.doi.org \/10.1007\/s10489-019-01422-7“，”关系“：{}，”ISSN“：[”0924-669X“，“1573-7497”]，“issn-type”：[{“value”：“0924-669X”，“type”:“print”}，{“value”：“1573-4497”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2019,2,25]]}，“assertion”：[[{”value“：”2019年2月25日“，”order“：1，”name“：”first_online“，”label“：”first online“，“group”：{“name”：“Article History”，“标签“：”文章历史“}}]}}