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！

龙图腾网获悉大连理工大学申请的专利基于半监督联邦学习的多分类器集成训练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：CN116992282B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310825436.3，技术领域涉及：G06F18/214；该发明授权基于半监督联邦学习的多分类器集成训练方法是由刘航;李虹金;郭艳卿;付海燕;李祎;王波设计研发完成，并于2023-07-06向国家知识产权局提交的专利申请。

本基于半监督联邦学习的多分类器集成训练方法在说明书摘要公布了：本发明提供一种基于半监督联邦学习的多分类器集成训练方法，主要包括：客户端设计分类模型并将得到的个性化本地模型发送至可信中心服务器；中心服务器端收集多方客户端模型形成“模型池”进行有监督训练；多方客户端利用中心服务器发来的“模型池”，对本地数据进行分类；多方客户端利用本地标签数据对模型进行交错训练，并上传至可信中心服务器；中心服务器对“模型池”中的分类器模型进行联邦聚合，并对聚合后的分类器进行微调整，之后发送至多方客户端。本发明基于联邦学习框架，使用少量有标签数据和大量无标签私有数据进行训练，合理使用公开数据资源，融合用户个性化需求，有效保护多方参与用户的隐私信息。

本发明授权基于半监督联邦学习的多分类器集成训练方法在权利要求书中公布了：1.一种基于半监督联邦学习的多分类器集成训练方法，其特征在于，应用于分布式分类系统，所述系统包括中心服务器端以及多方参与客户端，所述中心服务器端具有第一训练数据，所述多个客户端分别具有第二训练数据，所述第一训练数据包括有标签的公开的可收集的医学图像数据，所述第二训练数据包括私有的有标签医学图像数据和无标签医学图像数据； 所述模型训练方法包括以下步骤： S1、中心服务器端设置并向多方参与客户端发送分类器固定配置参数，所述分类器固定配置参数包括输入格式和输出格式； S2、客户端根据本地私有数据特点、本地数据分类偏好以及中心服务器配置参数要求，自主设计分类模型并将得到的个性化本地模型发送至可信中心服务器； S3、中心服务器端收集多方客户端模型形成“模型池”，使用公开的第一训练数据对“模型池”中的分类器分别进行有监督训练，获得初始化全局“模型池”，并发送至多方客户端； S4、多方客户端利用中心服务器发来的“模型池”，对本地数据进行分类，对多个分类输出使用集成函数，获得分类结果；基于置信度扩充有标签数据集并更新无标签数据集； S5、多方客户端利用本地标签数据对模型进行交错训练，获得本地训练“模型池”，并上传至可信中心服务器； S6、可信中心服务器对“模型池”中的分类器模型进行联邦聚合，并使用一个批次的服务器数据对聚合后的分类器进行微调整，之后发送至多方客户端； S7、反复执行S4-S6，至全局模型收敛并且客户端数据完成更新任务，停止通信。

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大连理工大学，其通讯地址为：116024 辽宁省大连市高新园区凌工路2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。