[发明专利]一种分布式SVM优化方法及系统在审
| 申请号： | 201710999243.4 | 申请日： | 2017-10-20 |
| 公开（公告）号： | CN107832358A | 公开（公告）日： | 2018-03-23 |
| 发明（设计）人： | 刘小东;蒋杰 | 申请（专利权）人： | 上海爱优威软件开发有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 201203 上海市浦东新区中国（上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 分布式 svm 优化 方法 系统 | ||
1.一种分布式SVM优化方法，其特征在于，包括：
获取样本数据集；
基于Tensor Flow平台执行迭代；
划分子集进行分布式SVM训练，合并得到数据集CXn；
判断CXn/CXn-1的比值P是否大于阈值；
若是，判断迭代是否结束；
若是，输出训练的SVM。
2.根据权利要求1所述的分布式SVM优化方法，其特征在于，进一步包括：
若CXn/CXn-1的比值P小于阈值，划分子集进行分布式SVM训练，合并得到数据集CXn。
3.根据权利要求1所述的分布式SVM优化方法，其特征在于，进一步包括：
若迭代未结束，基于Tensor Flow平台执行迭代。
4.根据权利要求1所述的分布式SVM优化方法，其特征在于，所述划分子集进行分布式SVM训练进一步包括：
基于Tensor Flow平台，将样本数据集划分为M块子集，TX；
对所述M块TX子集进行SVM训练。
5.根据权利要求4所述的分布式SVM优化方法，其特征在于，所述合并得到数据集CXn进一步包括：
合并TX的SVM集合，得到CX1。
6.根据权利要求5所述的分布式SVM优化方法，其特征在于，进一步包括：
将CX1划分为M块子集，CTX；
对所述M块子集进行SVM训练；
合并CTX的SVM集合，得到CX2。
7.根据权利要求6所述的分布式SVM优化方法，其特征在于，所述判断CXn/CXn-1的比值P是否大于阈值进一步包括：
判断CX2/CX1的比值是否大于阈值。
8.根据权利要求1-7任一项所述的分布式SVM优化方法，其特征在于，所述划分子集进行分布式SVM训练为均匀划分M块子集。
9.根据权利要求8所述的分布式SVM优化方法，其特征在于，所述M块子集为六块子集。
10.一个系统，其特征在于，包括：
一个存储器，被配置为存储数据及指令；
一个与存储器建立通信的处理器，其中，当执行存储器中的指令时，所述处理器被配置为：
获取样本数据集；
基于Tensor Flow平台执行迭代；
划分子集进行分布式SVM训练，合并得到数据集CXn；
判断CXn/CXn-1的比值P是否大于阈值；
若是，判断迭代是否结束；
若是，输出训练的SVM。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海爱优威软件开发有限公司，未经上海爱优威软件开发有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710999243.4/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种基于快递柜的寄件码分配方法及其系统
- 下一篇：一种图片检索方法及系统
