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！

龙图腾网恭喜南京理工大学申请的专利一种基于MPI的分布式ADMM垃圾邮件分类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：CN114154581B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202111477718.6，技术领域涉及：G06F18/24；该发明授权一种基于MPI的分布式ADMM垃圾邮件分类方法是由肖明霏;刘龙恩;王慧慧;周沧琦设计研发完成，并于2021-12-06向国家知识产权局提交的专利申请。

本一种基于MPI的分布式ADMM垃圾邮件分类方法在说明书摘要公布了：本发明公开了一种基于MPI的分布式ADMM垃圾邮件分类方法，包含以下步骤：将文本数据向量化为数字格式的数据集；将数据集分割为训练集和测试集，对训练集进行过采样处理，再分割为若干份分别保存在若干个从节点上；MPI并行执行所有节点上的代码，从节点并行更新局部模型；主节点通过MPI规约功能汇总从节点的局部模型；主节点更新全局模型，并利用MPI广播功能将全局模型分发到各个从节点；循环交替更新从节点和主节点的模型，直到满足终止条件；保存主节点的全局模型作为分类器模型；利用训练得到的分类器模型对测试集进行分类，输出分类结果。本发明适合大数据场景下垃圾邮件分类任务，有效提升了分类的效率和精度。

本发明授权一种基于MPI的分布式ADMM垃圾邮件分类方法在权利要求书中公布了：1.一种基于MPI的分布式ADMM垃圾邮件分类方法，其特征在于，包括如下步骤： 步骤1、将文本数据向量化为数字格式的数据集； 步骤2、将数据集分割为训练集和测试集，对训练集进行过采样处理，再分割为若干份分别保存在若干个从节点上； 步骤3、MPI并行执行所有节点上的代码，从节点并行更新局部模型； 步骤4、主节点通过MPI规约功能汇总从节点的局部模型； 步骤5、主节点更新全局模型，并利用MPI广播功能将全局模型分发到各个从节点； 步骤6、循环交替更新从节点和主节点的模型，直到满足终止条件； 步骤7、保存主节点的全局模型作为分类器模型； 步骤8、利用训练得到的分类器模型对测试集进行分类，输出分类结果； 步骤1利用NLP技术，将文本数据向量化为数字格式的数据集；处理后的数据集表示为xi∈Rd,yi∈{-1,+1}，其中n为样本数量，xi为第i个d维的样本数据向量，yi为第i个样本标签，Rd表示d维的实数集，i取值1～n；使用L2正则化的L2损失支持向量机SVM作为线性分类模型，目标函数表示为: 其中C0是一个超参数，用来控制正则项和损失项比重关系，w是分类模型变量，且w∈Rd； 使用SMOTE算法对训练集过采样处理使得训练集中正样本和负样本数量相当，接着再分割为若干份分别保存在若干个从节点上； 步骤2将数据集按照4：1的比例分割为训练集和测试集，并分割为若干份分别保存在若干台从节点上，同时复制代码文件到若干个从节点，假设数据被存在了m个节点D1,D2,…,Dm上，式1改写为： 其中ρ是一个超参数，wj是第j个从节点的局部模型变量，z是在主节点上更新的全局模型变量，且z∈Rd； 将式2改写成增广拉格朗日形式得到式3，即： 其中θj是第j个从节点的模型对偶变量； 步骤3中MPI并行执行所有节点上的代码，通过mpiexec命令完成； 主节点上随机初始化全局模型变量z，各从节点上随机初始化局部模型变量wj及其对偶变量θj，初始化为全零；从节点并行更新局部模型变量，由ADMM算法更新规则得到，w,z,θ按如下公式迭代更新： 其中k是迭代次数，拉格朗日函数Lw,z,θ对于wj可分解；在各个从节点上并行地解决公式4来更新局部模型变量wj：

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南京理工大学，其通讯地址为：210000 江苏省南京市玄武区孝陵卫街道孝陵卫街200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”。