原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供了一种基于SVM的非平衡大规模数据集的训练方法，该方法使用多次降采样及并行支持向量机即SVM的方式解决了大规模非平衡二分类数据集训练速度慢、模型性能低的问题；首先，对数据集进行分类，并找出少数类数据集与多数类数据集，再将少数类数据集保留，多次向多数类数据集进行无放回的随机采样，采样次数为少数类数据集总数，最终将采样得到的数据集和少数类数据集组成多份平衡数据集；其次，将各个平衡数据集分别输入到集群中的各个节点的支持向量机模型(SVM)中进行模型训练；最后，各个节点将输出各自训练的模型，以
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN118094223A
(43)申请公布日2024.05.28
(21)申请号202410209446.9
(22)申请日2024.02.26
(71)申请人三峡大学
文档评论（0）