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！

龙图腾网获悉北京交通大学申请的专利一种面向冷启动和模式遗忘的云桌面吞吐量预测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：CN119561856B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411736576.4，技术领域涉及：H04L41/147；该发明授权一种面向冷启动和模式遗忘的云桌面吞吐量预测方法是由陶丹;金作东;戚鹏设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种面向冷启动和模式遗忘的云桌面吞吐量预测方法在说明书摘要公布了：本发明公开了一种面向冷启动和模式遗忘的云桌面吞吐量预测方法，包括：步骤1：基于相似度注意力联邦学习辅助训练；步骤2：面向新用户初始阶段安全冷启动的吞吐量预测；步骤3：基于TDLinear网络模型的波动‑剩余特征提取；步骤4：基于自适应记忆模块与EWC的模型更新；步骤5：面向用户长期使用阶段训练遗忘的吞吐量预测。通过联邦学习算法，在保证用户数据隐私的前提下，利用其它用户已有吞吐量历史使用知识辅助训练。基于持续增量式预测来不断回顾旧模式，设计记忆模块增量式更新新模式，具有避免训练中遗忘的发生，综合两阶段来实现云桌面用户全生命周期吞吐量预测的优点。

本发明授权一种面向冷启动和模式遗忘的云桌面吞吐量预测方法在权利要求书中公布了：1.一种面向冷启动和模式遗忘的云桌面吞吐量预测方法，其特征在于，包括： 步骤1：基于相似度注意力联邦学习辅助训练； 步骤2：面向新用户初始阶段安全冷启动的吞吐量预测； 步骤3：基于TDLinear网络模型的波动-剩余特征提取； 步骤4：基于自适应记忆模块与EWC的模型更新； 步骤5：面向用户长期使用阶段训练遗忘的吞吐量预测； 所述步骤1中，首先获取新用户的先验知识，所述先验知识为用户注册或绑定账号时产生，包括基本身份信息和使用信息； 所述步骤1中通过比较用户的先验知识，为新用户选择相关性较高的个用户群体作为联邦候选集，在此过程中用户将各自数据加密上传到全局侧，由全局侧完成筛选操作，在全局侧和本地用户侧使用相同的轻量化预测模型多层感知机，联邦候选集将分别训练并将训练过程中的梯度参数加密上传到全局侧，同时新用户也利用少量已有数据进行训练，同样加密上传训练参数； 所述步骤1中全局侧将得到的训练参数计算相似度，并通过与联邦储备用户的两轮交互，得到相似度权重基于所述权重计算得到更新后的训练参数，并返回给新用户更新模型，在此过程中，新用户只与全局侧交互一次，同时需要等待联邦候选集与全局侧的交互； 所述步骤2中在本地端得到两次训练更新前后的训练损失后，将其上传到全局侧计算新用户与候选用户的相似度，当全局侧聚合后的参数训练得到的损失函数与原始损失函数相比降低的越多，说明该候选用户与新用户的相似度越高，认为该用户的训练参数有较大的指导意义，反之当损失函数降低的越少甚至增加时，则认为相似度则较低，该用户的训练参数的指导意义较小，从中挑选相似度最高的个用户用于辅助新用户完成吞吐量预测任务，考虑预测的实时性要求，在初始阶段吞吐量预测使用基本的多层感知机模型，根据相似度为候选用户的参数设定注意力权重，具有较大指导意义的权值较高，通过加权的方式完成预测； 所述步骤3中，随着使用时长增加，新用户历史数据逐渐积累，当超过一定阈值时便可独立完成训练，此时设计TDLinear模型用于提取历史数据中吞吐量的波动部分和稳定部分的特征，在用户较为活跃的使用云桌面时，吞吐量呈现剧烈波动，而云桌面闲置时吞吐量较为平稳，划分滑动时间窗口，通过计算窗口内的方差来衡量吞吐量波动程度，从而分别提取到两部分特征，针对两部分特征分别使用记忆力模块和EWC回顾历史信息； 所述步骤4中，基于提取到的波动部分特征，通过自适应记忆模块存储旧模式并更新新模式，将输入数据通过全连接层，使特征保留在少数神经元上，记忆模块用于存储不同模式的特征神经元，使用皮尔逊相关系数来衡量当前窗口下特征神经元和记忆模块中已有神经元的相关性，若相关性较高则直接使用记忆模块神经元完成训练，相关性较低时则存入记忆模块完成更新，对于稳定部分特征，对更新的滑动窗口的模型参数进行约束，在约束时使用相同的惩罚项来回顾以往训练参数不断回顾旧知识； 所述步骤5中，经过TDLinear模型特征的划分，代表用户活跃使用云桌面的波动特征和闲置时的稳定特征被分别提取，波动特征使用记忆模块通过不断衡量神经元相关性实现自适应更新，通过Dropout正则化来提高网络泛化能力，防止模型过拟合，使用Ensemble来均衡不同记忆单元的预测结果，最后使用线性预测模型得到波动特征部分的第一预测结果； 所述步骤5中，对于稳定特征，采用EWC回顾历史训练参数，为了保留先前任务的知识，对关键参数施加惩罚，使它们在训练新任务时不会轻易改变，使用相同的线性模型得到第二预测结果，在输出时将两部分在时间维度聚合，得到最终输出结果；其中，为第一预测结果；为第二预测结果；最终输出结果。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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。