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！

龙图腾网获悉湖南大学申请的专利一种基于深度学习的云边端数据融合处理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：CN116070170B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310060889.1，技术领域涉及：G06F18/25；该发明授权一种基于深度学习的云边端数据融合处理方法及系统是由袁小芳;许浩志;李哲;王耀南设计研发完成，并于2023-01-15向国家知识产权局提交的专利申请。

本一种基于深度学习的云边端数据融合处理方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的云边端数据融合处理方法及系统，预设云边端数据融合模型；通过终端设备获取多源异构数据并进行处理，得到多种同源异构数据；对云边端数据融合模型进行训练，接着将多种同源异构数据输入至融合模型中的边缘计算平台，经过处理，得到多个高级融合特征向量和多个边决策，将多个边决策反馈给终端设备和前馈给融合模型中的云计算中心；将多个高级融合特征向量输入至云计算中心，经过云计算中心模型处理，得到云决策，将云决策反馈给终端设备和边缘计算平台。该方法通过建立分布式数据处理体系，不仅能够有效解决多源异构数据所带来的通讯和计算问题，还能够提升系统的整体决策和调度能力，推动物联网全面发展。

本发明授权一种基于深度学习的云边端数据融合处理方法及系统在权利要求书中公布了：1.一种基于深度学习的云边端数据融合处理方法，其特征在于，所述方法包括： S1、搭建云边端数据融合模型，所述云边端数据融合模型包括多个终端设备、边缘计算平台、边缘计算平台模型、云计算中心、云计算中心模型，所述边缘计算平台模型设置在所述边缘计算平台上，所述云计算中心模型设置在所述云计算中心上，多个所述终端设备和边缘计算平台连接，所述边缘计算平台和所述云计算中心连接，所述云计算中心和多个所述终端设备连接； S2、利用多个所述终端设备获取多源异构数据后，对所述多源异构数据进行预处理，得到多种同源异构数据； S3、采用多种所述同源异构数据作为训练集对所述云边端数据融合模型进行训练，反向传播并更新参数，直至得到训练后的云边端数据融合模型，所述云边端数据融合模型训练结束后，将多个所述终端设备采集并处理后的多种所述同源异构数据作为数据集输入至所述训练后的云边端数据融合模型； S4、所述训练后的云边端数据融合模型中的边缘计算平台接收所述数据集中的多种同源异构数据后，通过边缘计算平台模型进行处理，得到多个高级融合特征向量和多个边决策，将多个所述高级融合特征向量传输给所述云计算中心，将多个所述边决策反馈给多个所述终端设备，控制多个终端设备对多源异构数据的采集，将多个所述边决策前馈给所述云计算中心； S5、所述训练后的云边端数据融合模型中的云计算中心接收多个所述高级融合特征向量，通过云计算中心模型进行处理，得到云决策；所述云计算中心根据前馈的多个所述边决策控制所述云计算中心的云决策；所述云计算中心将所述云决策反馈给多个所述终端设备，控制多个所述终端设备对多源异构数据的采集，将所述云决策反馈给所述边缘计算平台，控制所述边缘计算平台的边决策； 所述边缘计算平台模型包括多个并行设置的计算节点模型，所述S4中所述训练后的云边端数据融合模型中的边缘计算平台接收所述数据集中的多种同源异构数据后，通过边缘计算平台模型进行处理，得到多个高级融合特征向量和多个边决策，具体包括： S41、将所述数据集中的多种同源异构数据存储在多个所述计算节点模型中，其中一个计算节点模型存储一种同源异构数据； S42、所述计算节点模型包括神经网络、第一多层感知机和第一Softmax分类器，所述神经网络用于对存储于对应计算节点模型中的同源异构数据进行特征提取，得到初级融合特征向量，所述第一多层感知机对所述初级融合特征向量进行特征级融合，得到高级融合特征向量； S43、所述第一Softmax分类器用于对所述高级融合特征向量进行分类，得到所述高级融合特征向量中每个特征对应的初步决策； S44、根据归一化方法计算所述初步决策的决策概率，选取决策概率值最大的初步决策作为对应计算节点模型输出的边决策； S45、遍历多种所述同源异构数据，重复步骤S42-S44，得到多个高级融合特征向量和多个边决策； 所述S5中所述训练后的云边端数据融合模型中的云计算中心接收多个所述高级融合特征向量，通过云计算中心模型进行处理，得到云决策，具体包括： S51、所述云计算中心模型包括变换器网络、第二多层感知机和第二Softmax分类器，所述变换器网络用于对多个所述高级融合特征向量进行同维度编码和特征融合，相应得到多个决策级融合特征向量，所述第二多层感知机对多个所述决策级融合特征向量进行再融合，得到一个再融合特征向量，所述第二Softmax分类器对所述再融合特征向量进行分类，得到所述再融合特征向量中每个特征对应的最终决策； S52、根据归一化方法计算所述最终决策的决策概率，选取决策概率值最大的最终决策作为云决策。

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大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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。