{“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”：[[2024,5,10]]，“日期-时间”：“2024-05-10T10:54:09Z”，“时间戳”：1715338449264}，“引用-计数”：55，“出版商”：“爱思唯尔BV”，“许可证”：[{“开始”：{-“日期-零件”：[2018,11,1]]，”日期-时间“：”2018-11-01T00:00Z“，”timestamp“：1541030400000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“国家自然科学基金”，“DOI-asserted-by”：“publisher”，“奖项”：[“61772374”]}，{“DOI”：被插入“：“publisher”，“adward”：[“LY17F030004”]}]，“content-domain”：{“domain”（域）：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”（短容器时间）：[”Neurocomputing“]，“published-print”（发布时间）：{”date-parts“：[[2018,11]]}，”DOI“10.1016\/j.neucom.2018.08.030”，“type”：“journal-article”，“created”（创建时间）：：[[2018,8,22]]，“日期时间”：“2018-08-22T22:11:15Z”，“timestamp”：1534975875000}，“page”：“179-187”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：10，“title”：[“支持向量机分解方法的收敛性”]，“prefix”：“10.1016”，“volume”：《317》，“author”：[{“给定”：“巧志”，“family”：“张”，“序列”：“first”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/00000-0003-0435-0609”，“authenticated-ORCID”：false，“给定”：“Di”，“family”：“Wang”，“sequence”：“additional”，“atfiliation“：[]{”给定：“Yanguo”，“家族”：“王”，“序列”：“附加”，“从属关系”：[]}，“member”：“78”，“reference”：[{“key”：”10.1016\/j.n eucom.2018.08.030_bib0001“，”系列标题“：“核方法的进展：支持向量学习”，“author”：“Scholkopf”，“year”：“1998”}，{“key”：“10.1016\/j.neucom.2018.08.030_bib0002”，“series-title”：“统计学习理论的本质”，“作者”：“Vapnik”，”year“：“1995”}：“1998”}，{“key”：“10.1016\/j.neucom.2018.08.030_bib0004”，“doi-asserted-by”：“crossref”，“首页”：“345”，“doi”：“101016\/j.neucomm.2014.02.22”，“article-title”：“基于核的半监督分类稀疏性保持方法”，“volume”：”139“，“author”：“Gu”，”year“2014”，“journal-title“：”Neurocomputing“}：“10.1016\/j.neucom.2018.08.030_bib0005”，“doi-asserted-by”：“crossref”，“首页”：“1776”，“doi”：“10.1109\/LSP.2015.2433917”，“article-title”：“基于块多项式映射的高效半监督分类器”，“volume”：“22”，“author”：“Wang”，“year”：“2015”，“journal-title“：”IEEE Signal Process.Lett.“}，{“issue”：“1”，“key”：“10.1016\/j.neucom.2018.08.030_bib0006”，“doi-asserted-by”：“crossref”，“first page”：“99”，“doi”：“10.1109\/TNNLS.2015.2428738”，“article-title”：“嵌入式硬件高效实时分类与级联支持向量机”，“volume”：”27“，”author“：”Kyrkou“，”year“：”2016“，”journal-title“：”IEEE Trans.Neural Netw.Learn.Syst.“}，{“issue”：“6”，“key”：“10.1016\/j.neucom.2018.08.030_bib0007”，“doi-asserted-by”：“crossref”，“first page”：”1540“，“doi”：“101109\/TCYB.2016.2551735”，“article-title”：“双球体支持向量机用于不平衡数据分类的最大裕度”，“volume”：第47页，“author”：“Xu”，“year”：“2017”，“journal-title“：”IEEE Trans.Cybern.“}，{”key“：“10.1016\/j.neucom.2018.08.030_bib0008”，“doi-asserted-by”：“crossref”，“first page”：“101”，“doi”：“10.116\/j-neucom.2017.08.076”，“article-title”：“探索数据简化对神经网络和支持向量机分类的影响”，“volume”：”280“，”author“：”Ougiaroglou“，“year”：“2018”，“journal-title“：”Neurocomputing“}，{”key“：“10.1016\/j.neucom.2018.08.030_bib0009”，“doi-asserted-by”：“crossref”，“first page”：“643”，“doi”：“10.106\/j-neucom.2017.08.043”，“article-title”：“通过学习深度稀疏自动编码器进行面部表情识别”，“volume”：”273“，“author”：“Zeng”，“year”：“2018”，“journal-title“：”“Neurocomputing”}，{“key”:“10.1016”//j.neucomm.2018.030_bib 0010英寸，“doi-asserted-by”：“crossref”，“first page”：“41”，“doi”：“10.1016\/j.neucom.2014.03.037”，“article-title”：“带噪回归和分类的稳健最小二乘支持向量机”，“volume”：”140“，“author”：“Yang”，“year”：“2014”，“journal-title“：”Neurocomputing“}，{“issue”：“10”，“key”：：“10.116\/j-neucom.2018.030_bib0011”，“doi-asserted-by”：“crossref”，“first page”：“1”，“doi”：“10.1109\/TNNLS.2014.2382123”，“article-title”：“基于线性回归的大规模分类高效SVM学习”，“volume”：”26“，“author”：“Wu”，“year”：“2015”，“journal-title“：”IEEE Trans.Neural Netw.Learn.Syst.“}，{“issue”：“5”，“key”：：“10.1016\/j.neucom.2018.30_bib0012”，“doi断言者”：“crossref”，“首页”：“2833”，“doi”：“10.1109\/TGRS.2017.2784567”，“文章标题”：“使用基于支持向量回归的线性预测方法的探地雷达进行时延估计”，“卷”：“56”，“作者”：“Pan”，“年份”：“2018”，“期刊标题”：“IEEE Trans.Geosci.Remote Sens”}，{“key”：“10.1016\/j.neucom.2018.08.030_bib0013”，“doi-asserted-by”：“crossref”，“first page”：“449”，“doi”：“10.116\/j-neucom.2014.09.090”，“article-title”：“使用具有特征选择的简化支持向量机进行风速预测”，“volume”：”169“，”author“：”Kong“，”year“：”2015“，”journal-title“：”Neurocomputing“}，{”key“：“10.1016\/j.neucom.2018.08.030_bib0014”，“doi-asserted-by”：“crossref”，“first page”：“126”，”doi“：”10.1016\/j.nucom.2017.03.060“，”article-title“：”图像复合分割多任务排名SVM“，”volume“：”247“，”author“：”Liang“，”year“：”2017“，”journal-title”：“Neurocomputing”}，{“key”：”10.116\/j-neucom.2016.08.030_ bib0016 5“，”doi-asserted-by“：”crossref“，“首页”：“175”，“DOI”：“10.1016\/j.neucom.2017.01.90”，“article-title”：“用于短期负荷预测的切换延迟PSO优化极端学习机”，“volume”：“240”，“author”：“Zeng”，“year”：“2017”，“journal-title“：”Neurocomputing“}，{“issue”：“6”，“key”：”10.1016\/j.nucom.2018.08.030_bib0016“，”DOI-asserted-by“：”crossref“，“first page”：“1362”，“DOI”：“10.1109\/TNN.2006.880584”，“article-title”：“支持向量机分解学习方法的全局收敛性”，“volume”：“17”，“author”：“Takahashi”，“year”：“2006”，“journal-title“：”IEEE Trans.Neural Netw.“}，{“key”：”10.1016\/j.neucom.2018.030_bib0017“，”DOI-asserted-by“：”crossref“，”first page“：”121“，“DOI.”：“10.1023\/A:1009715923555”，“article-title”：“模式识别支持向量机教程”，“volume”：“2”，“author”：“Burges”，“year”：“1998”，“journal-title“：”Data Min.Knowl.Discov.“}，{“key”：”10.1016\/j.neucom.2018.08.030_bib0018“，”unstructured“：”j。Langford，in：《关于大规模学习挑战的担忧》，in：http:\/\/hunch.net\/？p=330 2008.“}，{“key”：“10.1016\/j.neucom.2018.08.030_bi0019”，“系列标题”：“神经信息处理系统进展论文集”，“第一页”：“161”，“文章标题”：“大规模学习的权衡”，“卷”：“20”，“作者”：“Bottou”，“年份”：“2007”}，{“key”：“10.1016\/j.neucom.2018.08.030_bi0020”，“系列标题”：“内核方法的进展：支持向量机”，“article-title”：“使用序列最小优化快速训练支持向量机的方法”，“author”：“Platt”，“year”：“1998”}，{“key”：“10.1016\/j.neucom.2018.030_bib0021”，“series-title”：使大规模支持向量机学习实用”，“author”：“Joachims”，“year”：“1998”}，{“issue”：“3”，“key”：“10.1016\/j.neucom.2018.030_bib0022”，“doi-asserted-by”：“crossref”，“first page”:“637”，“doi”：“101162\/089976601300014493”，“article-title”：“platt\u2019s smo算法用于SVM分类器设计的改进”，“volume”：”13“作者：“Keerthi”，“year”：“2001”，“journal-title”：“Neural Comput”。“}，{”key“：”10.1016\/j.neucom.2018.08.030_bib0023“，”doi-asserted-by“：”crossref“，”first page“：“291”，“doi”：“10.1023\/A:1012427100071”，“article-title”：“支持向量机的简单分解方法”，“volume”：“46”，“author”：“Hsu”，“year”：“2002”，“journal-title“：”Mach.Learn.“}”，{“key”：”10.116\/j-neucom.2018.08.030_bib0024“，”首页“：”1889“，”article-title“：“使用二阶信息进行工作集选择以训练支持向量机”，“volume”：“6”，“author”：“Fan”，“year”：“2005”，“journal-title”：“J.Mach。学习。研究“}，{“key”：“10.1016\/j.neucom.2018.08.030_bib0025”，“首页”：“733”，“article-title”：“支持向量机的保证精度和运行时间的Qp算法”，“卷”：“7”，“作者”：“嘘”，“年份”：“2006”，“期刊标题”：“j.Mach.Learn.Res.”}，}“问题”：“4”，“密钥”：“101016\/j.neucomm.2018.030_bib026”，“doi-asserted-b”y“：”crossref“，”第一页“：”1039“，”DOI“：”10.1109\/TNN.2006.875989“，“article-title”：“支持向量机训练的并行-序列最小优化”，“volume”：“17”，“author”：“Cao”，“year”：“2006”，“journal-title“：”IEEE Trans。神经网络。“}，{”key“：”10.1016\/j.neucom.2018.08.030_bib0027“，”first page“：第一页“：”336“，”article-title“：”支持向量优化中的差距“，”author“：”List“，”year“：”2007“}，{“issue”：“2”，“key”：“10.1016\/j.neucom.2018.030_bib0029”，“doi-asserted-by”：“crossref”，“first page”：”374“，”doi“：”10.1162\/neco.2007.10-06-354“，20“，”作者“：”Glasmachers》，“年份”：“2008年”，“新闻标题”：“神经计算”。“}，{”issue“：”6“，”key“：”10.1016\/j.neucom.2018.08.030_bib0030“，”doi-asserted-by“：”crossref“，”first page“：“1055”，”doi“：”101109\/TNN.200920908“，”article-title“：”SVM训练的收敛混合分解算法模型“，”volume“：：“3”，“键”：“10.1016\/j.neucom.2018.08.030_bib0031“，“doi-asserted-by”：“crossref”，“first page”：“1”，“doi”：“10.1145\/1961189.1961199”，“article-title”：“Libsvm:支持向量机库”，“volume”：”2“，“author”：“Chang”，“year”：“2011”，“journal-title“：”ACM Trans。智力。系统。Technol公司。“}，{”issue“：”1“，”key“：”10.1016\/j.neucom.2018.08.030_bib0032“，”first page“：“361”，”article-title“：”应用于支持向量机的连续背包约束的仿射缩放内点方法“，”volume“：10.1016\/j.neucom.2018.08.030_bib0033“，”doi-asserted-by“：”crossref“，”first page“：”439“，”doi“：”10.1016\/j.patrec.2012.10.026“，”article-title“：”基于线性规划和分解方法的大规模回归支持向量机训练算法“，”volume“：“34”，“author”：“Rivas-Perea”，“year”：“2013”，“journal-title”：“”模式识别。莱特。“}，{”key“：”10.1016\/j.neucom.2018.08.030_bib0034“，”series-title“：”Web Intelligence（WI）and Intelligent Agent Technologies（IAT）“国际联合会议论文集”，“first page”：“11”，“article-title”：“训练有界约束支持向量机的一阶分解算法”，“author”：“Niu”，“year”：“2014”}，}“key“：”10.1016\/j.neucom.2018.08.030_bib0035“，”first-page“：”1“，”article-title“：”SVMS训练的一类并行分解算法“，”author“：”Manno“，”year“：”2015“，”journal-title”：“Mathematics”}，{“issue”：“1”，“key”：“10.1016\/j.nucom.2018.030_bib0056”，“doi-asserted-by”：“crossref”，“first-page:”67“，”doi“：”101515\/fcds-2015-0005“，”article-title“：“训练有界约束支持向量机的两种新分解算法”，“volume”：“40”，“author”：“Niu”，“year”：“2015”，“journal-title”：“Found”。计算。Decis公司。科学。“}，{”key“：”10.1016\/j.neucom.2018.08.030_bib0037“，”首页“：”1“，”article-title“：”适用于svms培训的线性约束问题的并行分解方法“，”volume“：“4”“，”author“：”Manno“，”year“：”2018“，”journal-title10.1016\/j.neucom.2018.08.030_bib0038“，”doi-asserted-by“：”crossref“，”first page“：”223“，”doi“：”10.1137\/16M1080173“，“article-title”：“大规模机器学习的优化方法”，“volume”：“60”，“author”：“Bottouand”，“year”：“2018”，“journal-title“：”SIAM Revi。“}，{”key“：”10.1016\/j.neucom.2018.08.030_bib0039“，”首页“：”1437“，”article-title“：”SVMS的最大增益工作集选择“，”volume“：“7”，”author“：”Glasmachers“，”year“：”2006“，”journal-title”：“j.Mach.Learn.Res.”}，“key”：“10.1016\\j.neucomm.2018.08.30_bib0040”，”doi-asserted-by“：”crossref“，”first page“：“351”，“doi”：“10.1023\/A:1012431217818“，”article-title“：”SVM分类器设计中广义SMO算法的收敛性“，”volume“：”46“，”author“：”Keerthi“，”year“：”2002“，”journal-title”：“Mach。学习。“}，{”key“：”10.1016\/j.neucom.2018.08.030_bib0041“，”doi-asserted-by“：”crossref“，”first page“：“248”，“doi”：“10.1109\/72.977319”，“article-title”：“SMO算法在没有任何假设的情况下的渐近收敛性”，“volume”：“13”，“author”：“Lin”，“year”：“2002”，“journal-title“：”IEEE Trans.Neural Netw.“}”，{“issue”：“3”，“key”：”10.1016\/j.neucom.2018.08.030_bib0042“，”doi-asserted-by“：”crossref“，”first page“：”774“，”doi“：”10.1109\/TNN.2005.844857“，”article-title“：”支持向量机SMO算法终止的严格证明“，”volume“：“16”，”author“：”Takahashi“，“year”：“2005”，“journal-title”：“IEEE Trans。神经网络。“}，{”issue“：”4“，”key“：”10.1016\/j.neucom.2018.08.030_bib0043“，”doi-asserted-by“：”crossref“，”first-page“：”893“，“doi”：“10.1109\/TNN.2006.875973”，“article-title”：“支持向量机SMO型分解方法研究”，“volume”：“17”，“author”：“Chen”，“year”：“2006”，“journal-title“：”IEEE Trans.Neural Netw.“}”，{“issue”：“7”，“键”：10.1016\/j.neucom.2018.08.030_bib0044“，”doi-asserted-by“：”crossref“，”first page“：”1“，”doi“：”10.1109\/TNNLS.2012.2195198“，“article-title”：“不同SVM变体SMO算法收敛性的简单证明”，“volume”：“23”，“author”：“L\u00f3pez”，“year”：“2012”，“journal-title“：”IEEE Trans。神经网络。学习。系统。“}，{”key“：”10.1016\/j.neucom.2018.08.030_bib0045“，”doi-asserted-by“：”crossref“，”first-pages“：”143“，“doi”：“10.1016\/S0167-8191（03）00021-8”，“article-title”：“训练支持向量机中大型二次程序的并行求解器”，“volume”：“29”，“author”：“Zanghirati”，“year”：“2003”，“journal-title“：”parallel Compute.“}”，{“key”：”10.1016\/j.neucom.2018.08.030_bib0046“，”doi-asserted-by“：”crossref“，”first page“：”353“，”doi“：”10.1080\/10556780512331318182“，”article-title“：”二次规划的梯度投影方法及其在支持向量机训练中的应用“，”volume“：“20”，“author”：“Serafini”，“year”：“2005”，“journal-title”：“methods Softw。“｝，｛”key“：”10.1016\/j.neucom.2018.08.030_bi0047“，”doi断言“：”crossref“，”首页“：”583“，”doi“：”10.1080\/1056780500140714“，”文章标题“：”关于支持向量机基于梯度投影的分解技术中的工作集选择“，”volume“：”20“，”author“：”Serafini“，”year“：”2005“，”期刊标题“：”Methods Softw.“｝，｛”key“：”10.1016\/j.neucom.2018.08.030_bib0048“，”首页“：”1467“，”文章标题“：”在多处理器系统上训练大规模支持向量机的并行软件“，”卷“：”7“，“作者”：“Serafini”，“年份”：“2006”，“日志标题”：“j.Mach”。学习。研究“}，{”问题“：“4”，“key”：“10.1016\/j.neucom.2018.08.030_bib0049”，“doi-asserted-by”：“crossref”，“first page”：”1003“，”doi“：”10.1109\/72.857780“，”文章标题“：”支持向量机分解方法分析“，”卷“：”11“，”作者“：”Chang“，”年份“：”2000“，”日志标题“IEEE Trans.Neural Netw.”}，“{”密钥“：”10.1016\/j.neucom.2018.08.030_bib0050“，”doi-asserted-by“：”crossref“，”first page“：”1288“，”doi“：”10.1109\/72.963765“，”article-title“：”关于支持向量机分解方法的收敛性“，”volume“：“12”，“author”：“Lin”，“year”：“2001”，“journal-title”：“IEEE Trans。神经网络。“}，{”key“：”10.1016\/j.neucom.2018.08.030_bib0051“，”doi-asserted-by“：”crossref“，”first page“：“1045”，”doi“：”101109\/TNN.2002.1031937“，”article-title“：“支持向量机分解方法停止准则的形式化分析”，“volume”：“13”，“author”：“Lin”，“year”：“2002”，“journal-title”：“IEEE Trans.Neural Netw.”}，”{“key”：”10.1016\/j.neucom.2018.08.030_bib0052“，“series-title”：“第十七届学习理论年会论文集”，“首页”：“363”，“文章标题”：“分解方法的一般收敛定理”，“作者”：“列表”，“年份”：“2004”}，{“键”：“10.1016\/j.nucom.2018.030_bib003”，“doi-asserted-by”：“crossref”，”首页“：“317”，“doi”：“10.1080\/1056780512331318209”，“文章标题”：“关于svmlight算法修改版本的收敛性”，“卷”：“20”，“作者”：“Palagi”，“年份”：“2005”，“期刊标题”：“方法软件。“}，{”issue“：”2“，”key“：”10.1016\/j.neucom.2018.08.030_bib0054“，”doi-asserted-by“：”crossref“，”first-pages“：”179“，“doi”：“10.1007\/s10589-008-9215-4”，“article-title”：“线性约束光滑优化和支持向量机训练的坐标梯度下降法”，“volume”：“47”，“author”：“Tseng”，“year”：“2010”，“journal-title“：”计算。优化。申请。“}，{”key“：”10.1016\/j.neucom.2018.08.030_bib0055“，”doi-asserted-by“：”crossref“，”first page“：“315”，“doi”：“10.1023\/A:1012479116909”，“article-title”：“训练支持向量机的可行方向分解算法”，“volume”：“46”，“author”：“Laskov”，“year”：“2002”，“journal-title“：”Mach.Learn.“}]，”container-title：[“Neurocomputing”]，“original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S0925231218309640？httpAccept=text\/xml“，”content-type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL:“https:\//api.elsevier.com/content\/aarticle\/PII:S0.92523118309640？httpAccept=text\/plain“，”content-type“：”text \/plain“，”content-version“：”vor“，”intended-application“：”text-mining“}]，”deposed“：{”date-parts“：[[2018,9,11]]，”date-time“：”2018-09-11T22:19:41Z“，”timestamp“：1536704381000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/linkinghub.elsevier.com\/retrieve\/pii\/S09252318309640”}}，“副标题”：[]，“短标题”：[]date-parts“：[[2018,11]]}，”references-count“：55，”alternative-id“：[”S092523118309640“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.neucom.2018.08.030“，”relation“：{}，“ISSN”：[”0925-2312“]，“ISSN-type”：[{“value”：“0925-2313”，“type”:“print”}]，“subject”：【】，“published”：{“date-part”“：[[2018,11]]}，”断言“：[{”value“：”Elsevier“，”name“：”publisher“，”label“：”本文由“}，{”value“：“支持向量机分解方法的收敛性”，“name”：“articletite”，“label”：“article Title”}，“value”：“Neurocomputing”，“name”：“journaltitle”，“标签”：“Journal Title“}”，{“value“:”https:\\/doi.org\/10.1016\/j.neucom.2018.08.030“，”name“：”articlelink“，”label“：”CrossRef DOI链接到出版商维护的版本“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“values”：“\u00a9 2018 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]}