[发明专利]一种监督式分类方法及系统

说明书

本发明提供一种基于区块链的监督式分类方法与系统，方法包括以下步骤：控制器触发节点进行工作，并发布要进行工作的第一任务；在每个节点分别搜集对应独有的训练数据、分类算法，形成训练模型和学习框架，每个节点对第一任务进行样本训练得到预测结果；预测结果一一分别对应存储在不同区块中，预测结果相同的区块连接在同一区块链分叉中，取第一任务对应的最长区块链为最优链。该方法可以在分布、异构的数据中，加速分类学习的速度并保证数据隐私性，提高预测结果的准确性。

技术领域

本发明属于预测分析与区块链混合技术领域，具体涉及一种监督式分类方法及系统。

背景技术

人工智能(AI)正在显著地影响生活的各个方面，它具有很强的解决各种任务的能力，如图像分类和目标检测。然而，快速、准确响应已成为人工智能中的迫切需求。一般来说,预测结果的质量和训练样本的数量成正比例关系，监督式分类算法直接从数据学习中学习信息,不需要依赖一个预先确定的方程模型，而现有技术中的监督式分类方法随着训练样本的增加，需花费更多的时间来建立模型。

监督学习是通过训练已知类别的样本来调整分类器的参数以达到期望的性能的过程。监督分类算法是监督学习的子集。它首先对训练数据进行分析，然后生成预测函数，用来映射出新的实例，经过多次调整，该函数用于将对象区分为预定义的类别。

目前区块链技术已成为金融、物联网、版权保护、信息技术等领域的研究热点。它是一种分布式的点对点(P2P)架构，节点作为网络参与者被连接在一起。区块链在没有第三方保证的情况下建立了透明和信任机制。比特币作为第一种广泛部署、分布式的全球货币，引起了人们的广泛关注。比特币中的节点通过竞争来完成一个具有挑战性的工作量证明(PoW)难题。大约每十分钟得到一个解决方案。获胜者记录下一笔向自己发放的奖金，并将奖金存储到一个区块中。该块通过网络在比特币节点间传播，每个节点都冗余地记录下该奖金和其他信息，这样，获胜者的奖金就被所有节点承认了。当块添加到区块链中时，区块链的高度增加1。有可能存在多个节点在接收到其他节点的解之前自己解决难题的情况，因此在一定高度上可能会生成多个块。

PoW难题的计算竞争也被称为比特币中的挖掘(mining in Bitcoin)。节点通过重复哈希冲突竞争解决方案，2020年10月初，比特币的难度为19.30T，哈希率达到138.09EH/s，如此巨大的能量使得比特币成为最耗能的应用；根据Digiconomist显示的数据，miner每年用于验证比特币区块链交易的电力估计为70.89太瓦时，超过哥伦比亚和其他41个国家每年的电力。因此，哈希碰撞计算中备受关注的问题就是电能的浪费。

发明内容

有鉴于此，本发明的目的之一在于提供一种监督式分类方法，该方法能加速分类过程中数据训练，提高预测结果的准确性。

为实现上述目的，本发明的技术方案为：一种监督式分类方法，包括以下步骤：

控制器触发节点进行工作，并发布要进行工作的第一任务；

在每个节点分别搜集对应独有的训练数据、分类算法，形成训练模型和学习框架，每个节点对第一任务进行样本训练得到预测结果；

设置停止任务训练条件，并将所述预测结果一一分别对应存储在不同区块中，预测结果相同的区块连接在同一区块链分叉中，取第一任务对应的最长区块链为最优链；其中，

所述停止任务训练条件为：

其中，为存在，c_k为一个预测，C_x为所有可能的预测的集合，x为该任务，为任意，c_l为一个预测，Nodes为所有节点的集合，null为尚未得到预测结果，分别表示任务x中得到预测结果c_k、c_l的节点的集合；

或当满足以下条件时，停止任务训练：