为了克服传统方法不能根据训练样本数设置最优网络模式、集中效率低的缺点，采用了机器学习研究数据库和小数据集的并行集成训练方法。机器学习采用朴素贝叶斯算法。通过计算目标的先验概率，贝叶斯定理计算目标的后验概率进行比较，从而实现决策分析。基本分类器在原始数据库系统上进行训练，并将原始数据库的小数据集调整为新的数据集。对基本分类器进行训练，并与算法相结合，形成强分类器，完成对原始数据库小数据集的综合处理。