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！

龙图腾网获悉中国人民大学申请的专利基于联邦学习的标签分布漂移自适应的高维数据特征过滤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：CN120236157B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202510299343.0，技术领域涉及：G06V10/771；该发明授权基于联邦学习的标签分布漂移自适应的高维数据特征过滤方法及系统是由孙怡帆;秦棋;李尔博;王武;李星祥;徐晨;胡朝君;梅彪;李晓冬;魏婷设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本基于联邦学习的标签分布漂移自适应的高维数据特征过滤方法及系统在说明书摘要公布了：本发明属于联邦学习技术领域，公开了一种基于联邦学习的标签分布漂移自适应的高维数据特征过滤方法及系统，本发明首先提出一个统一现有特征过滤方法的通用框架，并引入了一个新型工具——标签偏移鲁棒的联邦特征过滤LR‑FFS，以及其联邦估计过程。该框架有助于对现有方法进行系统的统一分析，并有效地缓解标签偏移带来的影响。LR‑FFS通过利用条件分布函数和期望来处理标签偏移，且不会增加计算负担。同时，它对模型误设和异常值具有较强的鲁棒性。此外，联邦过程不仅确保了计算效率和隐私保护，还能在维持隐私的同时保持与集中式处理方法相当的筛选效果。

本发明授权基于联邦学习的标签分布漂移自适应的高维数据特征过滤方法及系统在权利要求书中公布了：1.一种基于联邦学习的标签分布漂移自适应的高维数据特征过滤方法，其特征在于，包括以下步骤： 步骤1，通用的特征过滤的框架：将多种现有的特征过滤方法纳入通用框架，采用类似的方式进行估计和理论分析； 步骤2，针对标签漂移场景下的特征过滤方法：在通用框架的基础上采用特殊的权重，有效应对标签漂移的影响； 步骤3，联邦特征过滤估计流程：在可能存在标签偏移的环境中通过联邦的方式估计LR-FFS效用函数以及在通用框架内的其他方法； 步骤4，分布式错误发现率控制流程：基于给定的FDR控制水平，通过构造伪特征得到新特征效用，根据FDR控制关系，确定特征过滤阈值水平； 针对通用框架的联邦特征过滤估计流程的具体步骤包括： 1：客户端遍历每个类别，估计系数ζr： 1.1：遍历每个客户端与类别r＝1,…,R，第l个客户端上，类别r的占比可以被估计为 1.2：客户端将类别占比与样本量上传给中心服务器，即 1.3：中心服务器通过估计总体类别占比，并通过估计ζr； 2：通过二项式展开的方式，将每个类别的展开为多项： 3：其中是需要估计的式子，遍历d1＝1,…,d，将拆分为两个成分函数并分别估计，即其中 4：构造估计和的U统计量对称核，用和表示； 5：遍历每个客户端与r＝1,…,R，第l个客户端上，和可以被估计为： 其中为数据段中的d+1个元素的组合； 6：每个客户端将和样本量nl上传给中心服务器； 7：中心服务器通过聚合参数，得到的估计其中 8：中心服务器通过得到ωj,r,d的估计； 9：中心服务器通过得到每个特征的效用； 10：对于给定的过滤阈值γ，选择保留特征

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中国人民大学，其通讯地址为：100872 北京市海淀区中关村大街59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。