内核支持向量机（SVM）是一种常用的分类器，并被广泛应用于物联网中。随着物联网的快速发展，物联网设备产生的数据呈指数增长。如果仍采用传统的集中式方法训练内核支持向量机，需要将大量的原始数据上传至云端，消耗大量的网络带宽。现有的分布式训练方法虽然能在一定程度上降低训练过程中的通信开销，但仍会上传大量冗余数据至云端，造成不必要的通信开销。本课题对内核支持向量机的分布式训练方法进行了研究，提出了一种新的分布式训练方法，能有效减少分布式训练过程中上传的冗余数据，提升分布式训练的通信效率。

参与人员：

周晓晨，张嘉伟