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！

龙图腾网获悉中山大学申请的专利一种基于联邦学习的客户端群组划分方法及装置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：CN119719827B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411692559.5，技术领域涉及：G06F18/23213；该发明授权一种基于联邦学习的客户端群组划分方法及装置是由陈川;洪小丹;黄晟;郑子彬设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种基于联邦学习的客户端群组划分方法及装置在说明书摘要公布了：本发明公开了一种基于联邦学习的客户端群组划分方法及装置，用于解决现有的针对联邦学习的客户端群组划分方法导致群组划分结果的准确性较差的技术问题。方法包括将获取的各客户端的本地数据集输入至预置神经网络学习模型进行特征提取，输出各客户端对应的客户端数据集分布特征；采用各客户端的本地数据集对各客户端对应的初始联邦学习神经网络进行模型训练，确定各客户端对应的训练联邦学习神经网络；根据各客户端数据集分布特征和各训练联邦学习神经网络的模型参数，构建优化目标函数；基于跨视角图匹配机制，对优化目标函数进行求解，输出多视角融合相似度矩阵；基于均值聚类方法，对多视角融合相似度矩阵进行聚类，生成客户端群组划分结果。

本发明授权一种基于联邦学习的客户端群组划分方法及装置在权利要求书中公布了：1.一种基于联邦学习的客户端群组划分方法，其特征在于，包括： 获取多个客户端的本地数据集，并将各所述客户端的本地数据集输入至预置神经网络学习模型进行特征提取，输出各所述客户端对应的客户端数据集分布特征； 采用各所述客户端的本地数据集对各所述客户端对应的初始联邦学习神经网络进行模型训练，确定各所述客户端对应的训练联邦学习神经网络； 根据各所述客户端数据集分布特征和各所述训练联邦学习神经网络的模型参数，构建优化目标函数； 基于跨视角图匹配机制，对所述优化目标函数进行求解，输出多视角融合相似度矩阵； 基于均值聚类方法，对所述多视角融合相似度矩阵进行聚类，生成客户端群组划分结果； 所述根据各所述客户端数据集分布特征和各所述训练联邦学习神经网络的模型参数，构建优化目标函数，包括： 基于各所述客户端数据集分布特征，构建数据分布特征相似度矩阵； 基于各所述训练联邦学习神经网络的模型参数，构建模型参数相似度矩阵； 根据所述数据分布特征相似度矩阵和所述模型参数相似度矩阵，构建优化目标函数； 所述优化目标函数，具体为： ； 其中，H为多视角融合相似度矩阵；为第v个视图的相似度矩阵，即和；为平方Frobenius范数；为融合后的相似度矩阵；为元素全为1的列向量；为融合后的相似度矩阵中的第i行第j列的矩阵元素；V为视角个数。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。