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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于贡献感知的聚类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：CN116796204B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202310161629.3，技术领域涉及：G06F18/23；该发明授权一种基于贡献感知的聚类联邦学习方法是由李尤慧子;俞海涛;殷昱煜;李玉;梁婷婷;万健设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本一种基于贡献感知的聚类联邦学习方法在说明书摘要公布了：本发明公开了一种基于贡献感知的聚类联邦学习方法，包括如下步骤：步骤1.参数服务器初始化；步骤2.客户端更新本地模型的参数；步骤3.客户端根据更新参数在本地数据集上训练n轮次，本地的梯度上传至参数服务器；步骤4.判断是否需要贡献评估，若需要贡献评估，则进入步骤5，否则进入步骤6；步骤5.服务器对客户端上传的参数计算近似沙普利值，并将沙普利值作为每个客户端贡献的量化指标；步骤6.服务器判断联邦系统是否完成训练，若完成训练，则进入步骤7输出最终预测模型；步骤7.联邦训练结束，输出最终预测模型。该方法可以在不违背联邦学习数据安全范式下进行贡献评估和协作训练，提高联邦系统的准确率和激励优质客户端。

本发明授权一种基于贡献感知的聚类联邦学习方法在权利要求书中公布了：1.一种基于贡献感知的聚类联邦学习方法，其特征在于，该方法包括如下步骤： 步骤1.参数服务器初始化全局模型的权重； 步骤2.服务器分发参数至各个客户端，客户端更新本地模型的参数，若当前通信轮次进行了贡献评估，通过贡献评估区分出不同贡献水平的客户端； 步骤3.客户端根据更新参数在本地数据集上训练n轮次，并将本地的梯度上传至参数服务器； 步骤4.参数服务器接收客户端完成训练后所上传的参数后，判断是否需要贡献评估，若需要进行贡献评估则进入步骤5执行客户端贡献评估，否则进入步骤6； 步骤5.服务器对客户端上传的参数计算近似沙普利值，并将沙普利值作为每个客户端贡献的量化指标； 步骤6.服务器会根据通信轮数是否达到迭代次数来判断训练是否结束，若完成训练，则进入步骤7输出最终预测模型；若未完成训练，则由服务器使用FedAvg算法聚合客户端参数，获得更新的全局模型； 步骤7.联邦训练结束，输出最终预测模型； 所述步骤2和步骤4中的贡献评估方法为： 依据损失函数相对变化率执行客户端贡献级别的聚类调整，损失函数相对变化率如下所示： ； 其中，表示当前通信轮次的模型在验证集上计算所得的损失函数，表示损失函数相对变化率，当小于一定阈值时，则进行客户端余弦聚类算法。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。