買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉山東大學申請的專利一種高效分層軟聚類聯邦學習方法及裝置、介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120181143B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510655163.1，技術領域涉及：G06N3/0464；該發明授權一種高效分層軟聚類聯邦學習方法及裝置、介質是由盧建波;徐光偉;呂皓譜;王學磊;曹美;趙夢瑩;路洋;李立偉設計研發完成，并于2025-05-21向國家知識產權局提交的專利申請。

本一種高效分層軟聚類聯邦學習方法及裝置、介質在說明書摘要公布了：本申請涉及聯邦學習技術領域，涉及一種高效分層軟聚類聯邦學習方法及裝置、介質。所述方法包括：云服務器初始化包含L個模型塊的全局模型，其中每個模型塊包括卷積層或全連接層及其對應的BN層；將所述全局模型發送至各汽車端，各汽車端基于本地數據對模型進行訓練；云服務器接收各汽車端上傳的模型參數，得到所有汽車端個性化模型每個模型塊的scaling_factor參數；根據每個模型塊的scaling_factor參數采用模糊C均值聚類算法對模型塊進行分層聚類，為每個汽車端生成個性化模型；將所述個性化模型發送至對應的汽車端進行應用。本發明實現汽車端的高效靈活聚類。

本發明授權一種高效分層軟聚類聯邦學習方法及裝置、介質在權利要求書中公布了：1.一種高效分層軟聚類聯邦學習方法，其特征在于，包括以下步驟： 云服務器初始化包含L個模型塊的全局模型，其中每個模型塊包括卷積層或全連接層及其對應的BN層； 將所述全局模型發送至各汽車端，各汽車端基于本地數據對模型進行訓練，其本地目標函數為： , 其中，表示汽車端上的本地目標函數，表示汽車端上的數據量，是第個樣本數據的交叉熵損失，是汽車端上第個模型塊的BN層的scaling_factor參數的一范數正則化損失，是一個超參，表示汽車端上的個性化模型； 云服務器接收各汽車端上傳的模型參數，得到所有汽車端本地訓練后的模型每個模型塊的scaling_factor參數； 根據每個模型塊所有的scaling_factor參數采用模糊C均值聚類算法對每個模型塊進行分層聚類，為每個汽車端生成個性化模型； 將所述個性化模型發送至對應的汽車端進行應用； 根據每個模型塊的scaling_factor參數采用模糊C均值聚類算法對模型塊進行分層聚類，為每個汽車端生成個性化模型，具體方式如下： 針對每個模型塊的所有scaling_factor參數采用模糊C均值聚類算法劃分為個模糊簇，并獲取隸屬度矩陣； 根據劃分的個模糊簇和隸屬度矩陣，將每個模型塊各聚合出個簇模型塊； 根據每個模型塊的個簇模型塊和隸屬度矩陣為每個汽車端生成L個個性化模型塊； 汽車端將L個個性化模型塊組合成完整的個性化模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山東大學，其通訊地址為：250100 山東省濟南市歷城區山大南路27號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。