一种基于预学习分区优化的马尔科夫抽样的分类方法、装置、系统及存储介质

本发明属于分布式人工智能技术领域，公开了一种基于预学习分区优化的马尔科夫抽样的分类方法、装置、系统及存储介质，所述方法包括在全局预学习阶段，利用Fisher线性判别获取数据结构信息，并据此将数据空间进行优化分区；使用马尔科夫技术进行智能抽样，选取重要样本点；在局部子空间内使用支持向量机划定决策边界。该方法不同于现有分布式机器学习方法，强调在模型训练前使用预学习方法获取数据分布特征以便实时指导数据进行优化分区，特别适用于数据异构的场景，使模型能够动态调整决策边界，确保分类的准确性和效率。所述装置包括用于执行上述方法的各个模块，系统则集成了这些装置，并通过存储介质存储相关的算法模型和数据。