本发明公开了一种基于在线学习的边云协同支持向量机的模型优化方法,该方法能够有效地利用边缘处有限的计算和通信资源以获取最佳的分布式SVM分类算法性能。提出“Learning to Learn”的框架,用于在具有资源约束的异构边缘端服务器上进行有效的边云协同SVM学习。各个边缘端服务器独立的从云端服务器读取当前时刻的全局模型参数至本地服务器,从本地数据集中随机抽取一个小批量数据并在此批上进行SVM分类的迭代训练,随后将局部参数上传至云端服务器完成全局参数的更新。将每个边缘端服务器在云端服务器的协同策略的动态确定建模为在线优化问题,并设计了基于预算受限的时变资源消耗的Multi‑MAB模型的在线学习算法。同时本发明支持异步的学习模式,可用于监督学习任务。