{“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”：[[2024,3,7]]，“日期-时间”：“2024-03-07T15:10:01Z”，“时间戳”：1709824201892}，“参考-计数”：34，“出版商”：“电气与电子工程师学会（IEEE）”，“问题”：“12”，“许可证”：[{“开始”：{:“日期-零件”：[2010,12]]，“时间“”：“2010-12-01T00:00:00Z”，“timestamp”：1291161600000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/ieeexplore.iee.org\/Xplorehelp\/downloads\/license-information\/ieee.html”}]，“content-domain”：部分”：[[2010,12]]}，“DOI”：“10.1109 \\tnn.2010.2079947”，“type”：“journal-article”，“created”：{“date-parts”：[[2010,10,20]]，“date-time”：“2010-10-20T14:09:50Z”，“timestamp”：1287583790000}，“page”：”1903-1914“，”source“：”Crossref“，”is-referenced-by-count“：11，”title“：[”Condensed Vector Machines:Learning Fast Machine for Large Data“]，”prefix“：”10.1109“，，“作者”：[{“family”：“Dung Duc Nguyen”，“sequence”：“first”，“affiliation”：[]}，{“given”：“Kazunori”，“families”：“Matsumoto”，“序列”：“additional”，“filiation“：[]{”，{”given“：”Uhiro“，”family“：”Takishima“，”sequence“：”additional“，”affiliance“：[]}，：[]}]，“成员”：“263”，“引用”：[{“键”：“ref33”，“doi-asserted-by”：“publisher”，“doi”：“10.1145\/1390156.1390208”}，{“key”：“ref32”，“首页”：“1369”，“article-title”：“大型l2-损失线性支持向量机的坐标下降法”，“volume”：”9“，“author”：“chang”，“year”：“2008”，“journal-title“：”J Mach Learn Res：“在线性时间内训练线性SVM”，“author”：“thorsten”，“year”：“2006”，“journal-title”：“Proc 12th ACM SIGKDD Int Conf Knowl Discovery Data Mining”}，{“key”：“ref30”，“doi-asserted-by”：“crossref”，《first page》：“883”，“doi”：“10.1109 \/TNN.20044244”，“article-title“学习大规模内核机器时通过提升稀疏近似”，“volume”：“21”，“author”：“sun”，“year”：“2010”，“journal-title”：“IEEE Trans Neural Netw”}，{“key”：”ref34“，”first page“：”341“，”article-title“：”用于大规模线性svm快速求解的修正有限牛顿法“，”volume“：“6”，“author”:“keerthi”，“year”：”2005“journal-title：”J Mach Learn Res“}，”{“密钥”：“ref10”，“作者”：“lon”，”year“：”2007“，“journal-title”：“大型内核机器”}，{“key”：“ref11”，“author”：“press”，“year”：“2002”，“johnal-tittle”：《C++科学计算的艺术》中的数字配方》}：“10.1109\/TNN.2010.2048039”}，{“key”：“ref14”，“first page”：”1909“，“article-title”：“增量支持向量学习：分析、实现和应用”，“volume”：：“7”，“author”：“laskov”，“year”：“2006”，“journal-title“：”J Mach Learn Res“：“具有在线和主动学习功能的快速内核分类器”，“卷”：“6”，“作者”：“antoine”，“年份”：“2005”，“日志标题”：“J Mach Learn Res”}，{“key”：“ref16”，“首页”：“363”，“article-title”：“核心向量机：在超大数据集上的快速svm训练”，“volume”：：“ref17”，“first page”：“1493”，“article-title”：“构建分类器复杂度降低的支持向量机”，“volume”：”7“，“author”：“keerthi”，“year”：“2006”，“journal-title“：”J Mach Learn Res“}，{“key”：《ref18》，“doi-asserted-by”：“publisher”，”doi“：”10.1109 \/RIVF.2008.4586359“}”，{”key“：“ref19”，“首页”：“760”，“article-titel”：“simplesvm”，“author”：“vishwanathan”，“year”：“2003”，“journal-title”：“Proc 20th Int Conf Mach Learn”}，{“key”：“ref28”，“doi-asserted-by”：“publisher”，”doi“：”10.1109\/TNN.2006.878123“}，”{“key”：”ref4“，”doi-assert-by“：”publisher“，”doi:“10.1109\/72.788641”}“，{”key“：”ref27“，”首页“：”1889“，”article-title“：“使用二阶信息训练支持向量机的工作集选择”，“卷”：“6”，“作者”：“fan”，“年份”：“2005”，“日志标题”：“J Mach Learn Res”}，{“key”：“ref3”，“首页”：“71”，“article-title”：“简化支持向量决策规则”，“author”：“burges”，“year”：“1996”，“journal-title“：”Proc 13th Int Conf Mach Learn}：“ref6”，“doi-asserted-by”：“publisher”，“doi”：“10.1145\/1143844.1143960”}，{“key”：“ref29”，“doi-assertd-by”：“publisher”，“DI:”10.1162\/jmlr.2003.4.6.1071，“year”：“1998”，“journal-title”：“核方法支持向量机的进展”}，{“key”：“ref7”，“author”：“osuna”，“year”：“1997”，“journal-title”：“Support vector machines Training and applications”}，{“key”：“ref2”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/BF00994018”}参考1“，“doi-asserted-by”：“publisher”，“doi”：“10.1145\/130385.130401”}，{“key”：“ref20”，“首页”：“911”，“article-title”：“机器学习的稀疏贪婪矩阵近似”，“author”：“smola”，“year”：“2000”，“journal-title“：“Proc 17th Int Conf Mach Learn”}}，{“键”：“参考21”，“author”：“chang”，“year”：“2001”，“journal-title”：“LIBSVM A library for support vector machines”}，{“key”：“ref24”，“first-pages”：“291”，“article-title“：“core vector机器评论：对超大数据集的快速svm训练”，“volume”：”8“author:”loosli“，”year“2007”，“日记标题”：“J Mach Learn Res”}“，{”key“：”ref23“，“doi-asserted-by”：“publisher”，“DOI”：“10.1137\/1.9781611972719.13”}，{“key”：“ref26”，“DOI-asserted-by”：“publicher”，“DOI”：”10.1162\/089976602753633402“}，}“key:”ref25“，”DOI-assert-by“：”crossref“，”first page“：”1031“，”DOI“：”10.1109\/IJCNN.2001.939502“，”article-title“：”IJCNN 2001挑战：泛化能力和文本解码“，“作者”：“常”，“年份”：“2001”，“journal-title”：“Proc-Int Joint Conf Neural Netw”}]，“container-title“：[”IEEE Transactions on Neural Networks“]，“original-title:[]，“link”：[{“URL”：“http://\/xplorestaging.IEEE.org\/ielx5\/72\/5641657\/05605254.pdf？arnumber=5605254”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}，“deposed”用法：{“date-parts”：[[2021,10,11]]，“date-time”：“2021-10-11T00:45:59Z”，“timestamp”：1633913159000}，“score”：1，“resource”：{（主要）：{”URL“：”http://\/ieeexplore.ieee.org\/document\/5605254\/“}，”副标题“：[]，”短标题“：[]，“issued”：{“date-ports”：[2010,12]}，，“references-count”：34，“journal-count”问题“：{”问题“：”12“}，”URL“：“http:\/\/dx.doi.org/10.1109\/tnn.2020.79947”，“关系”：｛｝，“ISSN”：[“1045-9227”]，“ISSN类型”：[｛“值”：“1045-9227”，“类型”：“打印”｝]，“主题”：[]，“已发布”：｛“日期部分”：[[2010,12]]｝｝