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！

龙图腾网获悉华南理工大学申请的专利一种基于边云协同的数据驱动学习模型组合优化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：CN120128577B 。

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：202510089612.0，技术领域涉及：H04L67/00；该发明授权一种基于边云协同的数据驱动学习模型组合优化方法是由陈伟能;曾庆烨设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本一种基于边云协同的数据驱动学习模型组合优化方法在说明书摘要公布了：本发明公开了一种基于边云协同的数据驱动学习模型组合优化方法，该方法包括下述步骤：基于云节点、边缘节点和设备节点构建协同计算框架，分配分布式任务和计算资源；构建多个微服务接口，包括平台服务接口、边缘节点的评估服务接口和模型训练服务接口、云节点的模型升级服务接口和候选解评估服务接口；构建基于集成学习的多轮模型组合策略和模型在线增强组合训练策略，多个微服务接口被封装成Docker镜像保存到云端镜像仓库进行版本管理和分发，构建云节点、边缘节点之间的通信机制。本发明通过云端与边缘计算的协同工作，显著提高复杂分布式优化问题的求解效率，提高了资源利用效率和数据处理智能性。

本发明授权一种基于边云协同的数据驱动学习模型组合优化方法在权利要求书中公布了：1.一种基于边云协同的数据驱动学习模型组合优化方法，其特征在于，包括下述步骤： 基于云节点、边缘节点和设备节点构建协同计算框架，分配分布式任务和计算资源； 构建多个微服务接口，包括平台服务接口、边缘节点的评估服务接口、边缘节点的模型训练服务接口、云节点的模型升级服务接口、云节点的候选解评估服务接口； 将分布式代理辅助演化算法的流程分解为多个独立模块，每个模块负责单一功能，每个模块暴露明确的RESTfulAPI接口作为平台服务接口，通过JSON协议进行数据交换，所述评估服务接口对云节点或设备节点的评估请求的候选解进行评估，将评估结果存储在边缘节点，所述模型训练服务接口基于边缘节点本地数据训练代理模型，所述模型升级服务接口获取模型训练结果，将模型进行组合与集成，将更新后的代理模型版本分发至各边缘节点，所述候选解评估服务接口筛选候选解并通过调用边缘节点的评估服务接口进行真实环境评估； 构建基于集成学习的多轮模型组合策略和模型在线增强组合训练策略，多个微服务接口被封装成Docker镜像保存到云端镜像仓库进行版本管理和分发，构建云节点、边缘节点之间的通信机制； 构建基于集成学习的多轮模型组合策略和模型在线增强组合训练策略，具体包括： 基于本地数据集训练多个代理模型，聚合多个代理模型形成全局模型，基于全局模型计算每个优化方案的适应度，通过真实环境评估更新本地数据集； 收集多个优化轮次的代理模型得到跨轮模型，对跨轮模型进行聚合； 基于权重分布对本地数据集进行无放回采样，得到训练集，基于训练集训练代理模型，评估本地数据集中的每个样本，计算样本相对误差，并更新样本权重； 对于每个边缘节点，云节点记录前轮收集的代理模型，记为，选择当前最优的代理模型： ； ； 其中，运算符返回输入集的中值，代表选择以指标中值衡量的稳定模型，模型的度量指标计算如下： ； 其中，表示模型度量指标； 利用边界判断策略所获权重对跨轮模型进行聚合： ； ； ，； 其中，权重根据数据集所落数据区间计算，和分别表示边缘节点中统计数据上下限，为归一化因子； 数据集表示为：，是边缘节点中的样本总数，对数据集进行无放回采样，得到训练集； 基于训练集训练代理模型； 使用代理模型评估数据集中每个样本，并将结果与真实标签值比较，计算样本相对误差： ； ； 其中，为最大绝对误差，模型误差率计算公式表示为： ； 模型度量指标则定义为： ； 数据集中每个样本的权重使用以下公式进行更新： ； ； 其中，为标准化因子。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。