SCF-Net对数据集进行了一系列的改进，其中一个重要的方面是在不同类别的概率值采样上进行了精心设计。该改进的目标是通过调整概率分布，使得数据集在不同类别之间更具平衡性，从而提高模型的泛化能力。在这一升级中，SCF-Net采用了巧妙的概率采样策略，使得模型更加关注数据集中不同类别的样本，有效避免了因样本不平衡而引发的训练问题。这一优化措施为SCF-Net在实际应用中的性能提供了更为可靠的支持。