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！

龙图腾网获悉武汉大学申请的专利一种基于统一表征和分类器矫正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：CN117993479B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202410138503.9，技术领域涉及：G06N3/098；该发明授权一种基于统一表征和分类器矫正的联邦学习方法及系统是由叶茫;黄文柯;刘宇夏;陈军设计研发完成，并于2024-01-31向国家知识产权局提交的专利申请。

本一种基于统一表征和分类器矫正的联邦学习方法及系统在说明书摘要公布了：本发明公开了一种基于统一表征和分类器矫正的联邦学习方法及系统，用于解决长尾数据分布下的联邦学习问题。首先，本发明通过聚合局部原型即全局模型提取的类别平均特征，获得全局统一原型。利用这些原型调整特征空间，将同一类别内的特征向相应的全局统一原型拉近，同时推远其他类别。另外，本发明利用全局原型通过原型混合减少分类器偏差。它通过融合全局统一原型和局部特征，生成一个平衡的虚拟特征集。然后在此特征集上重新训练分类器，矫正决策边界，减轻偏移。本发明可以有效提升长尾数据下模型的分类性能，同时减少特征空间和分类器的偏差。进而在多个数据集上验证了方法的优越性能。

本发明授权一种基于统一表征和分类器矫正的联邦学习方法及系统在权利要求书中公布了：1.一种基于统一表征和分类器矫正的联邦学习方法，其特征在于，包括以下步骤： 步骤1：构建全局统一原型； 首先，每个客户端基于其本地数据集计算出的本地原型；然后，客户端将规范化后的本地原型集上传至服务器；接着，服务器通过加权平均操作聚合不同客户端的本地原型，生成全局统一原型；客户端上传本地标签比例，服务器估计全局标签比例；每个客户端下载全局统一原型集和全局标签比例集； 步骤2：利用全局统一原型对特征空间进行塑造，增强类内紧凑性和类间距离； 对于每个实例和其特征，进行对比学习，使用全局统一原型通过拉近相同类别的特征，并根据全局标签比例调整不同类别之间的排斥程度来规整扭曲的特征空间； 其中，为类别编号，为类别数，和分别代表第y类和第k类的全局统一原型，为温度参数，为指示函数代表第k类权重，为第k类全局标签比例； 步骤3：联邦原型混合； 客户端利用全局模型从本地数据集中提取本地特征集，从本地特征集中随机选择子集用以生成各类别的虚拟特征；具体来说，通过将子集中的本地特征与全局统一原型混合，生成平衡虚拟特征；最后，客户端根据生成的平衡虚拟特征集重新训练分类器；其中，所述全局模型是多方参与者网络模型聚合的结果。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。