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;国网山东省电力公司信息通信公司申请的专利一种基于多模态聚类联邦学习的情绪识别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：CN115620370B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202211309647.3，技术领域涉及：G06V40/16；该发明授权一种基于多模态聚类联邦学习的情绪识别方法是由张啸;王天力;于东晓;严莉;刘珅岐;张闻彬设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本一种基于多模态聚类联邦学习的情绪识别方法在说明书摘要公布了：本发明公开了一种基于多模态聚类联邦学习的情绪识别方法，包括如下步骤：采集多个用户的多模态数据在本地使用深度学习模型进行训练，得到各用户的模型参数；将模型参数上传到服务器；服务器执行自动聚类算法，将模型参数分为多个簇，并对每个簇中的模型参数执行联邦平均算法，得到该簇的新模型参数；将新模型参数下发至对应的用户，更新该用户的旧模型参数；迭代计数器rss自增1，判断当前轮数是否达到预定的训练轮数Rss，如果rss＜Rss，则返回步骤一；如果rss＝Rss，则训练完成，利用训练好的模型进行情绪识别。本发明所公开的方法可以保护用户隐私，解决数据源不足的问题，并且解决了多模态数据存在异构性的问题，实现情绪的准确识别。

本发明授权一种基于多模态聚类联邦学习的情绪识别方法在权利要求书中公布了：1.一种基于多模态聚类联邦学习的情绪识别方法，其特征在于，包括如下步骤： 步骤一，采集多个用户的多模态数据在本地使用深度学习模型进行训练，得到各用户的模型参数； 步骤二，将得到的模型参数上传到服务器，初始化服务器的迭代计数器rs＝0，并且指定服务器的训练轮数Rs； 步骤三，服务器执行自动聚类算法，将模型参数分为多个簇，并对每个簇中的模型参数执行联邦平均算法，得到该簇的新模型参数； 步骤四，服务器将新模型参数下发至对应的用户，用新模型参数更新该用户的旧模型参数； 步骤五，服务器的迭代计数器rs自增1，判断当前轮数是否达到预定的训练轮数Rs，如果rs＜Rs，则返回步骤一继续执行本地的训练迭代，重复执行步骤一至步骤四；如果rs＝Rs，则训练完成，利用训练好的模型进行情绪识别； 步骤一中，训练的过程如下： 1首先初始化深度学习模型的参数，初始化本地迭代计数器r＝0，并且指定用户本轮在本地训练的迭代次数R＝15； 2将采集的多模态数据进行预处理，得到初始特征fa、ft、ffe、fh，其中，fa表示声音语调的初始特征，ft表示文字的初始特征，ffe表示面部表情的初始特征，fh表示手部动作的初始特征； 利用初始特征对深度学习模型进行一次本地训练，得到各个模态的隐式特征f′a、f′t、f′fe、f′h以及用户ui在第r次迭代的情绪分类结果其中，f′a表示声音语调的隐式特征，f′t表示文字的隐式特征，f′fe表示面部表情的隐式特征，f′h表示手部动作的隐式特征； 3将各模态隐式特征利用soft_HGR算法计算相关性，获得相关度损失： lcor＝softHGRLossf′a、f′t、f′fe、f′h，其中，cor表示相关度； 将情绪分类结果与真实标签计算交叉熵，获得分类损失： 其中，cls表示分类； 两类损失加权得到最终的优化目标： 其中，α和β表示权重，分别设置为0.1和0.9； 4计算梯度并对模型进行更新，即表示用户ui在第r轮的模型参数，表示用户ui在第r‑1轮的模型参数，η为本地训练的学习率，表示第r‑1轮的模型梯度； 5将本地迭代计数器r自增1，判断当前轮数是否达到预设的迭代次数R，如果rR，则继续执行本地的训练迭代，进入步骤2； 如果r＝R，则按模态获取该用户的模型参数结束步骤一，进入步骤二；其中，表示用户ui的声音语调参数，表示用户ui的文字参数，表示用户ui的面部表情参数，表示用户ui的手部动作参数。

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山东大学;国网山东省电力公司信息通信公司，其通讯地址为：266200 山东省青岛市即墨区滨海路72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。