基于动态双搜索的自适应选参分布式分类方法、系统、设备及存储介质

本发明属于人工智能技术领域，公开了一种基于动态双搜索的自适应选参分布式分类方法、系统、设备及存储介质，该方法包括数据分布感知阶段和动态分类阶段。在数据分布感知阶段，通过Fisher判别分析技术对分布式节点的整体数据进行分析，提取数据分布的结构特征，并指导子空间进行数据切割。在动态分类阶段，采用动态双搜索自适应集成参数策略，为每个数据子空间分配最优正则化参数，构建支持向量机模型，实时调整决策边界以适应数据分布变化。该方法特别适用于非均衡数据分布的工业级分类场景，可实时优化分类决策面，有效提升模型精度与计算性能。