买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖南科技大学申请的专利面向图像分类的鲁棒联邦学习方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120031108B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510499985.5，技术领域涉及：G06N3/098；该发明授权面向图像分类的鲁棒联邦学习方法是由李冠憬;张欢;陈宇翔;梁伟;肖嘉宏;何大成;文吉刚设计研发完成，并于2025-04-21向国家知识产权局提交的专利申请。

本面向图像分类的鲁棒联邦学习方法在说明书摘要公布了：本发明公开了面向图像分类的鲁棒联邦学习方法，属于机器视觉技术领域，包括以下步骤：S1、筛选各训练客户端，对全局模型参数初始化；S2、得到各训练客户端的模拟增强数据；S3、得到各训练客户端的矫正后的特征向量；S4、得到局部模型训练的基本损失，由此进行各训练客户端的局部模型再训练；S5、得到各训练客户端的含噪局部模型，由此得到各训练客户端的局部更新模型，并上传至服务端；S6、服务端接收各训练客户端的局部更新模型，得到全局更新模型，重复S2至S6操作，直至全局更新模型收敛。解决了现有技术中在数据分布不均情况下，因数据异常出现导致的模型准确度下降的问题。

本发明授权面向图像分类的鲁棒联邦学习方法在权利要求书中公布了：1.面向图像分类的鲁棒联邦学习方法，其特征在于，包括以下步骤： S1、服务端通过动态客户端筛选策略筛选得到参与训练的客户端，并标记为各训练客户端，服务端对全局模型进行模型初始化，得到初始化全局模型，并分发给各训练客户端； S2、获取各训练客户端的本地图像数据，并进行噪声模拟处理和数据增强预处理，得到各训练客户端的模拟增强数据； S3、基于各训练客户端的模拟增强数据对各训练客户端的局部模型进行训练，得到各训练客户端的矫正后的特征向量； S4、基于各训练客户端的矫正后的特征向量进行自适应对比学习，分析得到各训练客户端的对比损失，获取各训练客户端的交叉熵损失，并与对比损失联合分析得到局部模型训练的基本损失，由此进行各训练客户端的局部模型再训练； S5、对各训练客户端的模拟增强数据引入随机高斯噪声，得到各训练客户端的污染数据，基于各训练客户端的污染数据得到各训练客户端的含噪局部模型，由此分析得到各训练客户端的局部更新模型，并上传至服务端； S6、服务端接收各训练客户端的局部更新模型，分析得到全局更新模型； 重复S2至S6的操作，直至全局更新模型收敛； 所述服务端通过动态客户端筛选策略筛选得到参与训练的客户端，并标记为各训练客户端，具体步骤为： 获取各客户端的计算资源参数、数据质量参数和各客户端的历史贡献系数，分析得到各客户端的贡献理想效果值； 获取数据库预设的贡献理想效果阈值，并与各客户端的贡献理想效果值进行比较，若存在某一客户端的贡献理想效果值在贡献理想效果阈值以上，则将该客户端作为训练客户端； 将服务端的全局模型分配到各训练客户端，基于各训练客户端的图像样本数据集对服务端下发全局模型的模型进行训练，得到各训练客户端的局部模型； 所述计算资源参数包括任务平均执行时长和最大并发任务数量； 所述数据质量参数包括异常数据占比、数据更新频率和数据可用样本量； 所述各客户端的贡献理想效果值，是将各客户端的计算资源参数和数据质量参数分别与客户端的平均水平进行差异化分析，再引入对应的影响权重，最后与各客户端的历史贡献系数进行耦合处理，以获取各客户端的贡献理想效果值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南科技大学，其通讯地址为：411201 湖南省湘潭市雨湖区石马头；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。