外围买球app下载

外围买球app下载信息学院计算机系老师白璐博士长期从事机器学习与模式识别的理论及其应用方面的研究。最近在基于热力学深度模型(depth-based representation)的快速子图核(fast subgraph kernels)算法的研究中取得新的重要进展，并以中央财经大学为第一作者单位在国际顶级期刊《Pattern Recognition》（PR）上发表一篇题为《Fast depth-based subgraph kernels for unattributed graphs》的论文。该论文的另一合作作者为白璐博士在英国约克大学（University of York, UK）期间的博士导师、世界著名学者Edwin R. Hancock教授。

《Pattern Recognition》被认为是模式识别领域最重要的国际期刊之一，影响因子为3.096；中国计算机学会CCF的评语为“国际重要期刊与会议，具有重要国际学术影响，鼓励我国学者投稿”。

图核函数(Graph Kernels)是基于结构数据的机器学习与模式识别领域最重要研究方向之一。目前大部分图核函数都是基于美国加利福尼亚大学(University of California, US) Haussler教授在1999年提出的R-convolution理论提出的。该文基于复杂网络（Complex Network）深度信息模型（Depth-based Representation）描述图节点周边扩展子图所产生的复杂度信息流（Complex Information Content Flow），并以此为基础定义了两个快速深度子图核函数。最后该文通过公式证明了这两个新图核函数与现有经典图核函数的关系，并表明本文的方法具有现有R-convolution图核函数所不具备的几个优点。这些优点包括：该文的新图核函数既可以体现图结构的整体信息，又可以体现图结构的局部子结构信息；该文的算法具有比现有图核函数更高的计算效率；该本文的图核函数构建深度信息模型与子图核函数的联系。

该论文与白璐博士今年发表在国际“机器学习”与“人工智能”顶级会议ICML 2015与IJCAI 2015（注：均为CCF A类国际顶级会议，中央财经大学为第一作者单位，CCF评语“国际极少数顶级会议、期刊，鼓励我国学者突破”）的论文一起，共同代表了图核函数未来新的发展方向。