学科前沿讲座心得(5)

该算法使用平行超平面簇对训练集实施软划分，使得拼接后的分类面相比fm2svms得到的分类面更光滑，更接近最优分类曲面。因而，psfm2svms的泛化能力比fm2svms的泛化能力要高。在并行条件下，两者的训练时间和测试时间相同。在多核计算技术快速发展的今天，本文提出的算法，提供了一种可行的并行机器学习框架，对于研制高速高精度的机器学习算法具有一定的借鉴意义。未来计划研究随机向量w的方向对psfm2svms泛化能力的影响，并将该算法用于高速高精度工业图像检测。

这就是我的心得体会，在讲座的最后，文教授还对机器学习和数据挖掘的未来进行了展望，诸如现在流行的云计算，还有动态数据流学习，例外的发现，学习更复杂的函数，粒计算等等，都是今后发展的的热点。听完这个讲座，我感到责任重大，即使是一个点，也还有很多方面值得拓展和探索，作为研究生，研究是我们主要的工作，想要取得满意的结果和优异的成绩，我们所要做的就是倍加努力，汲取现有的知识，在新的领域开拓新的研究道路，积极探索，永不止步。