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！

龙图腾网获悉湖北大学申请的专利边缘设备下基于表征驱动头部聚类的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：CN119312945B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202411438940.9，技术领域涉及：G06N20/00；该发明授权边缘设备下基于表征驱动头部聚类的联邦学习方法是由杨洋;杨哲宇;王丽玉;程力;李亚敏;余添龙;叶程航;唐翠设计研发完成，并于2024-10-15向国家知识产权局提交的专利申请。

本边缘设备下基于表征驱动头部聚类的联邦学习方法在说明书摘要公布了：本发明公开一种边缘设备下基于表征驱动头部聚类的联邦学习方法，通过表征学习从本地原始数据中提取核心特征，仅将数据表征上传至服务器，这样可以减少通信开销，同时保留了原始数据的核心信息，确保聚类过程的准确性。服务器基于这些表征训练簇内的共享层，从而保证模型的精度。本发明将模型解耦为表征生成模块和共享头部，表征生成模块用来生成数据表征；共享头部通过学习不同客户端的知识，提升模型泛化能力。中心服务器根据每轮上传的表征对客户端进行动态聚类，能够在每轮迭代中根据数据的变化适时调整聚类结构，确保聚类的准确性和适应性，最后中心服务器使用簇内客户端的数据表征训练每个簇的共享头部，并将训练好的共享头部发送给客户端，增强模型的泛化能力。

本发明授权边缘设备下基于表征驱动头部聚类的联邦学习方法在权利要求书中公布了：1.一种边缘设备下基于表征驱动头部聚类的联邦学习方法，其特征在于，包括以下步骤： 步骤1、生成数据表征，即在边缘设备上利用表征生成模块生成数据样本的表征；并对数据表征加权平均得到数据原型，具体方法为： 步骤1.1、边缘设备在每一轮本地训练完成之后，将本地模型解耦为本地共享头部与表征生成模块 上式中，为拼接符号，表示本地训练完成后的本地模型，与分别表示第t轮联邦学习，第k个边缘设备本地模型解耦后的本地共享头部与表征生成模块； 步骤1.2、边缘设备使用本地的表征生成模块生成参与该轮训练的数据样本的表征 上式中，xi表示第i个数据样本，表示使用表征生成模块生成数据样本xi的函数； 步骤1.3、将同标签的样本表征加权平均，得到数据原型 上式中，表示该轮参与训练且标签为q的样本数据总数； 步骤2、对客户端进行聚类，即先计算客户端之间的表征距离，然后将数据分布相似的客户端归为一簇；此处表征距离是指计算从客户端接收的数据原型之间的表征距离dis，进而得到两个客户端数据分布之间的相似度； 步骤3、基于步骤2聚类后的客户端，训练每一簇中的共享头部，对于属于多个簇的客户端k，聚合其所有簇的全局共享头部，随后发给相应的客户端，接着使用FedAvg算法对所有簇的头部进行汇总。

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湖北大学，其通讯地址为：430062 湖北省武汉市武昌区友谊大道368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”。