近日，湖北大学数学与统计学学院邹斌教授团队在国际学术期刊《IEEE Transactions on Cybernetics》在线发表了题为“Learning Performance of Weighted Distributed Learning With Support Vector Machines”的研究论文。邹斌教授为第一作者，湖北大学数学与统计学学院博士研究生姜宏伟为通讯作者。IEEE Transactions on Cybernetics（IEEETC）是中国自动化学会推荐的A类国际期刊。

分而治之策略是处理大数据非常有效的方法之一，而大数据中的噪声样本通常会对机器算法的性能产生很大影响。针对此问题，该论文首次把马氏抽样和不同权重的思想应用到分布式算法中，对马氏抽样下、基于加权支持向量机分布式算法进行了系统的研究：建立了马氏抽样下、加权支持向量机分布式算法的泛化误差，得到了其最优收敛速率；数值实验结果表明，该论文提出的算法，比同类算法具有更低的时间复杂度和更好的学习性能。

论文链接：

https://ieeexplore.ieee.org/document/9655443

（审核：向妮）