射【11】。虽然维数高了，但其分离性得到了本质的提高。而且可以借助与奇异值或者非负矩阵分解等降维工具【1213】，使得维数问题不会成为技术障碍，而所得的结果就不再受到主观的假设束缚了。
5．
Machi
eLear
i
g）机器学习（Machi
eLear
i
g）
机器学习是电子与计算机工程系的重要分支，表现形式好像是一些算法的累积，其代表算法：神经网络算法，遗传算法，退火算法，HMM
f算法，支持向量机（SVM）等等。近些年来机器学习方法在生物信息学为代表的许多领域的数据处理过程中展示了它的魅力。特别针对支持向量机，现在依然还是热点。关于该方法的简介，我们另外给出。
现代数据处理的展望
现代数据处理技术是开放的，与时俱进的，从来没有固步自封过。它随着我们认识世界的知识库不断增大，将会发展出更多的好方法。比如粗糙集方法对于依据部分不完备信息做出尽可能完善的决策方案的良好表现也被收录在现代数据处理技术中。一些应用前景非常可关的算法很快会被吸收进入现代数据处理技术的大家庭中。例如，KDjalilSAbdellatifTGilles等给出的Predictio
orthogo
alpoly
omialsa
dToeplitzmatrices－Afasta
dreliableapproximatio
totheDurbi
Levi
so
algorithm，将为现代数据处理带来不可估量的贡献，我提交给MathReview的评论是这样写的。不识字是文盲，不多现代科学技术是科盲，这些都已经成为了共识。不懂现代数据处理技术会是什么呢？当然是数盲。试想，见到一堆数据什么也看不出来，会是什么结果？这与旧社会的文盲有何异？当今社会，充斥了数据，任何进制的数据都在我们身边。它们都是大自然派生出来的语言，所不同于人类语言，它只要能看就行，不需要听说。赶快学习学习现代数据处理技术，是我们提高“文化”素质的
f必由之路。
Refere
ces
1ELars2006Numericalli
earalgebrai
datami
i
gActaNumericapp3273842TimSauerJamesAYorkea
dMarti
Casdagli1991EmbedologyJour
alofStatisticalPhyicsVol65Nos343DPMa
dicetal2005Datafusio
formoder
E
gi
eeri
gApplicatio
sA
OverviewWDuchetalEdsICANN2005LNCS3697pp715721Spri
gerVerlagBerli
Heidlberg4PErdosa
dARe
yi1960O
theevolutio
ofra
domgraphsPublMathI
stHu
gAcadSci5196017615MEJNewma
SHStrogatza
dDJWatts2001Ra
domgraphwitharbitrarydegreedistributio
a
dtheirapplicatio
sPhysRevE646BarabasiALBo
abeauE2003Scalefree
etworksScie
tificAmerica
200355260697CCortesVVap
ik1995Supportvector
etworkMachi
eLear
i
g202732978JCBurges1997Atr