买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉韶关学院申请的专利基于相对熵和余弦相似度的并行支持向量机优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114638311B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210285548.X，技术领域涉及：G06F18/2411；该发明授权基于相对熵和余弦相似度的并行支持向量机优化方法是由毛伊敏;戴经果;郭斌斌;陈志刚;霍英设计研发完成，并于2022-03-22向国家知识产权局提交的专利申请。

本基于相对熵和余弦相似度的并行支持向量机优化方法在说明书摘要公布了：本发明提出了一种基于相对熵和余弦相似度的并行支持向量机优化方法，包括以下步骤：S1，数据划分：采用基于相对熵的数据划分策略DPRE进行数据划分，平衡当前子集和原始数据集的相对熵，划分样本到子集；S2，并行SVM训练：结合MapReduce框架实现多层级联结构，逐层过滤非支持向量精简训练集，得到训练后的SVM模型；S3，将待测数据输入训练后的SVM模型，获得数据分类结果。本发明能够在分类效率和分类精确度上都有显著的提高。

本发明授权基于相对熵和余弦相似度的并行支持向量机优化方法在权利要求书中公布了：1.一种基于相对熵和余弦相似度的并行支持向量机优化方法，其特征在于，包括以下步骤： S1，数据划分：采用基于相对熵的数据划分策略DPRE进行医疗图像的数据划分，平衡当前子集和原始数据集的相对熵，划分样本到子集； S2，并行SVM训练：结合MapReduce框架实现多层级联结构，逐层过滤非支持向量精简训练集，得到训练后的SVM模型； S3，将待测的医疗图像数据输入训练后的SVM模型，获得医疗图像数据分类结果； 所述基于相对熵的数据划分策略DPRE包括以下步骤： S1-1，初始划分：将原始训练集划分为互不相交的内部验证集、正例初始子集、负例初始子集以及待划分训练集，获得分布相似的正例初始子集和负例初始子集； S1-2，待划分训练集划分：每次从待划分训练集中选取一个样本，计算并更新样本在不同初始子集的相对熵，再依次计算划分相似度和划分相似度增益，将样本划分到相似度增益最大的子集中； 所述S2包括： S2-1，局部SVM模型训练：基于数据划分阶段获得的个子集，在Map阶段并行训练局部SVM模型； S2-2，冗余层级检测：局部SVM模型训练完成后，在Map节点并行计算相邻层相似度，检测并停止冗余层级； S2-3，非支持向量过滤：基于Map阶段训练的多个局部SVM模型，过滤当前训练集中的非支持向量机，精简训练集在下一层继续训练； S2-4，全局SVM模型构建：基于提前停止的多个局部SVM模型，构建全局SVM模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人韶关学院，其通讯地址为：512023 广东省韶关市浈江区大学路288号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。