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！

龙图腾网获悉山东大学申请的专利一种高效分层软聚类联邦学习方法及装置、介质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：CN120181143B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510655163.1，技术领域涉及：G06N3/0464；该发明授权一种高效分层软聚类联邦学习方法及装置、介质是由卢建波;徐光伟;吕皓谱;王学磊;曹美;赵梦莹;路洋;李立伟设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本一种高效分层软聚类联邦学习方法及装置、介质在说明书摘要公布了：本申请涉及联邦学习技术领域，涉及一种高效分层软聚类联邦学习方法及装置、介质。所述方法包括：云服务器初始化包含L个模型块的全局模型，其中每个模型块包括卷积层或全连接层及其对应的BN层；将所述全局模型发送至各汽车端，各汽车端基于本地数据对模型进行训练；云服务器接收各汽车端上传的模型参数，得到所有汽车端个性化模型每个模型块的scaling_factor参数；根据每个模型块的scaling_factor参数采用模糊C均值聚类算法对模型块进行分层聚类，为每个汽车端生成个性化模型；将所述个性化模型发送至对应的汽车端进行应用。本发明实现汽车端的高效灵活聚类。

本发明授权一种高效分层软聚类联邦学习方法及装置、介质在权利要求书中公布了：1.一种高效分层软聚类联邦学习方法，其特征在于，包括以下步骤： 云服务器初始化包含L个模型块的全局模型，其中每个模型块包括卷积层或全连接层及其对应的BN层； 将所述全局模型发送至各汽车端，各汽车端基于本地数据对模型进行训练，其本地目标函数为： , 其中，表示汽车端上的本地目标函数，表示汽车端上的数据量，是第个样本数据的交叉熵损失，是汽车端上第个模型块的BN层的scaling_factor参数的一范数正则化损失，是一个超参，表示汽车端上的个性化模型； 云服务器接收各汽车端上传的模型参数，得到所有汽车端本地训练后的模型每个模型块的scaling_factor参数； 根据每个模型块所有的scaling_factor参数采用模糊C均值聚类算法对每个模型块进行分层聚类，为每个汽车端生成个性化模型； 将所述个性化模型发送至对应的汽车端进行应用； 根据每个模型块的scaling_factor参数采用模糊C均值聚类算法对模型块进行分层聚类，为每个汽车端生成个性化模型，具体方式如下： 针对每个模型块的所有scaling_factor参数采用模糊C均值聚类算法划分为个模糊簇，并获取隶属度矩阵； 根据划分的个模糊簇和隶属度矩阵，将每个模型块各聚合出个簇模型块； 根据每个模型块的个簇模型块和隶属度矩阵为每个汽车端生成L个个性化模型块； 汽车端将L个个性化模型块组合成完整的个性化模型。

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山东大学，其通讯地址为：250100 山东省济南市历城区山大南路27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”。