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！

龙图腾网获悉长春理工大学申请的专利一种基于RSSI原理的联邦学习方法及系统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：CN116090582B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202211665585.X，技术领域涉及：G06N20/00；该发明授权一种基于RSSI原理的联邦学习方法及系统是由张剑飞;周超然;张婧;杨宏伟;冯欣;王冠宇设计研发完成，并于2022-12-23向国家知识产权局提交的专利申请。

本一种基于RSSI原理的联邦学习方法及系统在说明书摘要公布了：本发明公开一种基于RSSI原理的联邦学习方法及系统，该方法包括服务器确定初始模型以及训练参数；每一终端根据从服务器获取的初始模型，并根据对应的数据训练初始模型，更新模型的参数，并将更新后的模型的参数上传至服务器；服务器采用RSSI定位算法和质心算法将更新后的模型的参数进行聚合，并将聚合后的模型参数更新全局模型；迭代更新全局模型的参数，将更新后的模型的参数上传至服务器的步骤，直至完成训练；每一终端利用最终的识别模型进行对应数据的识别。本发明可在几乎不影响模型时间复杂度和性能和效率的情况下提升训练模型准确度，进而提高数据的识别精度。

本发明授权一种基于RSSI原理的联邦学习方法及系统在权利要求书中公布了：1.一种基于RSSI原理的联邦学习方法，其特征在于，包括： 服务器确定初始模型以及训练参数；所述训练参数包括：训练轮次和训练后模型的目标精度； 每一终端根据从服务器获取的初始模型，并根据对应的数据训练初始模型，更新模型的参数，并将更新后的模型的参数上传至服务器； 服务器采用RSSI定位算法和质心算法将更新后的模型的参数进行聚合，并将聚合后的模型参数更新全局模型，并将更新后的全局模型传输至每一终端；并返回所述每一终端根据从服务器获取的初始模型，并根据对应的数据训练初始模型，更新模型的参数，并将更新后的模型的参数上传至服务器的步骤，直至模型收敛完成训练，确定最终的全局模型； 每一终端利用最终的识别模型进行对应数据的识别； 所述服务器确定初始模型以及训练参数，具体包括： 服务器根据测试数据集确定训练后模型的目标精度以及初始模型的参数； 所述测试数据集包括：MNIST图像识别数据集或CIFAR-10图像识别数据集； 服务器采用RSSI定位算法和质心算法将更新后的模型的参数进行聚合，并将聚合后的模型参数更新全局模型，并将更新后的全局模型传输至每一终端，具体包括： 以每一终端确定的更新后的识别模型的参数为RSSI算法中锚节点坐标，结合质心算法确定聚合后的识别模型参数； 将聚合后的识别模型参数更新识别模型，并将更新后的识别模型传输至每一终端； 训练需要用到的参数：本地训练次数E、计算阈值M、平均准确率avg、测试准确率testacc以及准确率acc；其中，计算阈值M表示目标训练精度；平均准确率avg表示每训练一次所有客户端的平均准确率；测试准确率testacc表示训练测试集的最终准确率； 在RSSI定位算法中，无线信号在传输的过程中通常会随着传输距离的增加逐渐衰减，采用终端每一轮的训练精度拟合信号衰减幅度，参数向量作为定位算法中的锚点，由此可以得出路径损耗公式为： 其中，PLd0表示d0＝1m时，RSSI的值，k表示路径损失系数，γ表示随着距离增加信号的损失程度，是服从高斯随机分布的变数；根据RSSI模型计算出的节点A和未知节点D的距离为ra；节点B和未知节点D的距离为rb；节点C和未知节点D的距离为rb；分别以节点A，节点B，节点C为圆心；ra，rb，rb为半径画圆，得交叠区域；质心算法为计算三圆交叠区域的3个特征点的坐标，以这3个特征点为三角形的顶点，未知节点为三角形质心； 具体聚合的过程为： 服务器初始化识别模型w0，并将识别模型w0发送给每个终端； 终端i收到服务器发送的识别模型w0之后，将自己持有的本地数据与识别模型进行训练； 在终端i完成本轮训练后，将训练结果上传至服务器，服务器端根据路径损耗公式算出锚点坐标，并算出和最终结果的距离，通过质心算法算出当前轮次的模型参数 服务器将作为更新后的模型参数传输给各个训练终端并进行下一轮的训练； 当识别模型精度不在明显提升逐渐收敛于计算阈值M内时停止训练，并得出最终的识别模型。

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长春理工大学，其通讯地址为：130022 吉林省长春市朝阳区卫星路7186号；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”。

以上内容由龙图腾AI智能生成。