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！

龙图腾网获悉华中科技大学申请的专利面向非独立同分布数据的联邦对比聚类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：CN115563519B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202211267754.4，技术领域涉及：G06F18/23；该发明授权面向非独立同分布数据的联邦对比聚类学习方法及系统是由李瑞轩;王号召;徐子珺;李玉华;辜希武设计研发完成，并于2022-10-17向国家知识产权局提交的专利申请。

本面向非独立同分布数据的联邦对比聚类学习方法及系统在说明书摘要公布了：本发明公开了一种面向非独立同分布数据的联邦对比聚类学习方法及系统，属于联邦学习技术领域，包括：在中心服务器端将共享模型和原型矩阵分别下发到所挑选的各客户端中进行聚类对比训练，进行聚类对比训练时模型并不关注数据的分布，而只关注于数据聚类信息之间的对比关系，基于自监督对比学习关注局部特征的特点，缓解了对全局分布的依赖，从而改善了模型由于不平衡的数据分布而产生的偏移，也能够较好的表示数据的类分布并改善由类不平衡所引起的Non‑IID问题，同时也能够消除联邦学习对有标签数据的依赖，能够解决现有的联邦学习方法由于存Non‑IID数据分布问题所导致的模型准确率较低以及由于依赖标签数据所导致的无法在实际生产中进行应用的技术问题。

本发明授权面向非独立同分布数据的联邦对比聚类学习方法及系统在权利要求书中公布了：1.一种面向非独立同分布数据的联邦对比聚类学习方法，其特征在于，包括： 在中心服务器端执行以下步骤： A11、初始化K个聚类中心的向量表示，得到原型矩阵；对共享模型进行初始化； A12、从客户端集合中随机挑选m个客户端，将共享模型和原型矩阵分别下发到所挑选的m个客户端中进行训练； A13、待收集到m个客户端返回的训练好的共享模型和原型矩阵后，以客户端中的数据量在所有数据量中的占比为权重，对各客户端返回的训练好的共享模型进行加权求和得到聚合模型，对各客户端返回的训练好的原型矩阵进行加权求和得到聚合矩阵； A14、将共享模型更新为聚合模型，将原型矩阵更新为聚合矩阵后，对原型矩阵进行归一化处理，重复步骤A12-A13进行迭代，直至达到预设迭代次数；此时的共享模型即为训练好的模型； 其中，当客户端接收到中心服务器下发的共享模型和原型矩阵后，将客户端中本地数据集输入至共享模型中进行聚类对比训练，具体包括：对客户端中本地数据集中的每一个本地数据样本均执行以下操作： B11、对本地数据样本分别进行两次随机的数据增强，得到第一对比样本和第二对比样本； B12、分别将第一对比样本和第二对比样本输入至其接收到的共享模型中，得到第一样本特征和第二样本特征； B13、分别将第一样本特征和第二样本特征与其接收到的原型矩阵中各聚类中心的向量表示进行映射匹配，得到第一特征编码向量和第二特征编码向量； B14、通过最小化第一样本特征与第二特征编码向量之间的交叉熵损失和第二样本特征与第一特征编码向量之间的交叉熵损失，对其接收到的共享模型中的参数以及其接收到的原型矩阵进行更新。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。