2. apply part of the Fast Computation of Shortest Path Kernel (FCSP) to speed up the sp kernel.

2. modify model_selection_precomputed so that all results are written into memory and then to a file at last section of code, in case that on cpu/disk seperated systems the IO takes too much time.
3. correct utils.floyd_warshall_numpy function. DONNOT use the last version.

2. correct an error in the common walk kernel. DON NOT use the old one.
3. improve the method to construct fully-labeled direct product graphs, much faster for sparse graphs.

2. model_selection_precomputed can now save all results as human readable text.
3. modify pygraph.utils.utils.floydTransformation and pygraph.utils.graphdataset.get_dataset_attributes.

modifié :         README.md
	nouveau fichier : notebooks/run_cyclicpatternkernel.ipynb
	modifié :         notebooks/run_marginalizedkernel_acyclic.ipynb
	modifié :         notebooks/run_pathkernel_acyclic.ipynb
	modifié :         notebooks/run_spkernel_acyclic.ipynb
	modifié :         notebooks/run_treeletkernel_acyclic.ipynb
	nouveau fichier : notebooks/run_treepatternkernel.ipynb
	modifié :         notebooks/run_weisfeilerLehmankernel_acyclic.ipynb
	nouveau fichier : pygraph/kernels/cyclicPatternKernel.py
	modifié :         pygraph/kernels/deltaKernel.py
	modifié :         pygraph/kernels/pathKernel.py
	modifié :         pygraph/kernels/results.md
	modifié :         pygraph/kernels/spKernel.py
	nouveau fichier : pygraph/kernels/treePatternKernel.py
	modifié :         pygraph/kernels/treeletKernel.py
	modifié :         pygraph/kernels/untildPathKernel.py
	modifié :         pygraph/kernels/weisfeilerLehmanKernel.py
	modifié :         pygraph/utils/graphfiles.py
	modifié :         pygraph/utils/utils.py
	nouveau fichier : run_cyclic.py

* MOD the way to calculate WL subtree kernel, correct its results. - linlin
* ADD *kernel_train_test* and *split_train_test* to wrap training and testing process. - linlin
* MOD readme.md file, add detailed results of each kernel. - linlin