LSSVM演算法中，聽到“演算法”兩個字，基本就可以確定其起源於機器學習領域了。

在這個領域中，雖然各類演算法千般妖嬈，萬種風情。

但是，機器學習，最終還是要落實到“學習”二字。

只要落實到這裡，那就一定在李崢的射程範圍之內了。

實際上，就連其基礎原理也與李崢學習無異。

李崢，發動腦筋，做很多份卷子，繼而完善知識點，以達到無論做什麼樣的高考卷，都能拿到730+的分數。

這便是一次完整的李崢學習，其目的是透過高考，並且排在林逾靜上面。

而機器，運用某種數學模型，推測很多份火箭發射資料，繼而完善計算方法，以達到無論拿到怎樣的火箭引數，都能推測、診斷出故障，且準確率高於95%。

這便是一次完整的機器學習，其目的是找出故障點，保證火箭發射的成功率。

可即便原理如此簡單，機器學習卻依舊是精深的領域。

沒辦法，難點全在演算法上。

還以李崢學習為例。

在不考慮學魔加成的情況下，其效率和結果，取決於李崢的智商和學習方法，簡稱學法。

那麼在相同的時間內，把李崢、林逾靜和劉新放在一起學習。

那結果必然是天差地別的。

一方面，大家智商不同，劉新可能學了還不如不學。

另一方面，大家方法也不同，林逾靜這種偷奸耍滑的人，無論面對什麼知識，都一定能想出比較髒的學法。

因此在通常情況下，三人最終的成績都會是——

林逾靜≥李崢……劉新。

在這個過程中，智商相當於機器的計算能力，學習方法也就相當於演算法。

而CPU算力這種事，是有專門人去忙的，只要喊著“AMD，YES！”，CPU就會瞬間變強。

其餘的重頭戲，也就通通集中在演算法上了。

LSSVM也只是其中比較流行的一種，除去傳統的語音、影象識別等領域外，其在核電站、石油化工、系統控制等領域的故障檢測中，也逐漸有所應用。

但在航天系統，暫時還是以傳統模式和專家系統為主。

系統內，自然有研究這個方向的院所。

問題就是黃二已經透過了他們的檢測。

這就說明他們的演算法，並沒有察覺到現有的故障。

這當然不是說他們的演算法就是劉新演算法，再差再差，也得是……差不多祁英男那種程度吧。

既然眼前有機會，不如試著用林逾靜的髒腦筋搞一搞。

“計劃就是這樣，不過現成的LSSVM工具包直接拿來用效果可能不會太好，還要針對火箭資料做一些最佳化，所以才找到了PSO粒子群最佳化。”李崢放下碗筷，平心靜氣說道，“你知道，我搞什麼東西都要把所有原理弄明白的，演算法本身的一些數學問題，有點難啃。”

“等等哦，我問問你沈老師。”林逾靜拿起手機擺弄了一番，等了半分鐘後，轉頭衝李崢笑道，“果然，你說的這個十一所早就有人做了，他們大概有四五種演算法吧，應該包括這個什麼什麼SM。”

“……”李崢麵皮一顫。

“唔哈……”林逾靜掩著嘴蔑視過來，“就你這個樣子，好像發現了什麼了不得的事情一樣，好像一個民科哦。”