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！

龙图腾网获悉中国科学技术大学申请的专利基于原型网络的迭代聚类式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：CN115049076B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202210824020.5，技术领域涉及：G06N20/00；该发明授权基于原型网络的迭代聚类式联邦学习方法是由张铁;徐林莉设计研发完成，并于2022-07-13向国家知识产权局提交的专利申请。

本基于原型网络的迭代聚类式联邦学习方法在说明书摘要公布了：本公开提供了一种基于原型网络的迭代聚类式联邦学习方法，该方法包括：用户端接收由服务器端发送的本轮全局原型网络；用户端根据本地样本数据集，训练全局原型网络以及确定用户嵌入表示向量和用户类别分布，其中，每一个用户具有一个用户嵌入表示向量；用户端向服务器端发送训练后的全局原型网络、用户嵌入表示向量、用户类别分布，以使服务器端执行如下操作：根据用户嵌入表示向量和用户类别分布，确定基于训练后的全局原型网络的模型距离；根据模型距离确定用户聚类结果，进而执行全局模型参数聚合，得到最新的全局模型参数；循环执行T轮上述步骤，直至利用基于原型网络的迭代聚类式联邦学习方法训练的全局原型网络满足预设收敛条件。

本发明授权基于原型网络的迭代聚类式联邦学习方法在权利要求书中公布了：1.一种基于原型网络的迭代聚类式联邦学习方法，包括： 步骤S1，用户端接收由服务器端发送的本轮全局原型网络，其中，所述全局原型网络用于对用户进行聚类； 步骤S2，所述用户端根据本地样本数据集，训练所述全局原型网络以及确定用户嵌入表示向量和用户类别分布，其中，每一个用户具有一个所述用户嵌入表示向量，所述本地样本数据集包括用户的兴趣爱好、用户在终端设备上的行为操作数据、手写体数据集、现实街景数字数据集以及手语数字数据集； 步骤S3，所述用户端向所述服务器端发送训练后的全局原型网络、所述用户嵌入表示向量、所述用户类别分布，以使所述服务器端执行如下操作：根据所述用户嵌入表示向量和所述用户类别分布，确定基于所述训练后的全局原型网络的模型距离，其中，所述模型距离包括用户与聚类簇之间的距离；根据所述用户与所述聚类簇之间的最短距离确定用户聚类结果，进而执行全局模型参数聚合，得到最新的全局模型参数，其中，所述全局模型包括所述全局原型网络和多个全局类原型矩阵； 步骤S4，循环执行T轮的步骤S1至步骤S3，直至利用基于原型网络的迭代聚类式联邦学习方法训练的全局原型网络满足预设收敛条件，得到的全局原型网络用于对用户聚类，其中，T为大于1的整数，其中，所述联邦学习方法用于训练各类物品推荐模型、图像识别模型、文字识别模型中的至少之一； 其中，所述用户嵌入表示向量包括所述本地样本数据集中的每一类样本数据集在所述全局原型网络中的类原型； 所述服务器端还包括多个聚类簇，每个聚类簇对应一个全局类原型矩阵；所述根据所述用户嵌入表示向量和所述用户类别分布，确定基于所述训练后的全局原型网络的模型距离包括：根据所述用户类别分布、所述本地样本数据集中的每一类样本数据集在所述全局原型网络中的类原型、所述聚类簇中的全局类原型矩阵确定所述用户与所述聚类簇之间的模型距离； 所述服务器端还包括如下操作：基于最短模型距离的原则，确定所述用户与所述聚类簇之间最短的模型距离；根据所述最短的模型距离，确定目标聚类簇；根据所述目标聚类簇，确定所述用户聚类结果；根据用户聚类结果，进行全局模型参数聚合，得到最新的全局模型参数。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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。