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！

申请/专利权人：南华大学

摘要：本发明提出了一种基于联邦学习与类增量学习的wifi人员身份识别方法及系统，利用WiFi信号进行身份识别，并且综合了类增量学习和联邦学习的优势，将这两种学习方法结合起来，使得服务器能够根据用户的模型更新全局模型，提高泛化能力，同时用户的模型训练只在本地设备上进行，不需要将原始数据上传到中心服务器，有效地保护了用户的隐私，能够在边缘设备上完成模型的训练和推理，降低对中心服务器的依赖，提升实时性和效率。

主权项：1.一种基于联邦学习与类增量学习的wifi人员身份识别方法，包括服务器端建立初始的WiFi身份识别全局模型，所述服务器端下发所述WiFi身份识别全局模型及版本号给所有客户端，其特征在于，还包括以下步骤：步骤1：每个客户端接收服务器下发的所述WiFi身份识别全局模型，收集注册用户在WiFi信号覆盖下活动的数据，数据经过处理之后加入本地数据集，用本地数据集训练下载的所述WiFi身份识别全局模型，并更新为本地模型；步骤2：判断所述本地模型与最新下发的所述WiFi身份识别全局模型是否聚合，更新所述本地模型并将更新后的本地模型参数上传到所述服务器端；步骤3：所述服务器端收到来自所有客户端的所述本地模型更新后的参数，进行模型参数的聚合，包括以下子步骤：步骤31：所述服务器端接收来自客户端的模型参数，并将其暂存，当暂存模型参数达到数量阈值时，进行全局模型的聚合；步骤32：通过评估客户端上传的本地模型的质量，为不同的客户端分配不同的权重，根据客户端的数据集大小、模型准确率、注册用户数量三个方面来评估本地模型的质量，公式为； 其中，wi表示第i个客户端的权重，ni表示第i个客户端的数据集大小，ai表示第i个客户端的模型准确率，ui表示第i个客户端的注册用户数量，K表示客户端的总数，wj表示第j个客户端的权重，nj表示第j个客户端的数据集大小，aj表示第j个客户端的模型准确率，uj表示第j个客户端的注册用户数量；步骤33：全局模型聚合完成后，生成一个新的全局模型，并将其再次进行训练；步骤34：将测试模型的准确率与上一版本的全局模型进行比较，判断是否达到准确率增长标准；步骤4：在服务器端更新所述WiFi身份识别全局模型，等待客户端请求下载，若收到客户端的下载请求则将最新版本的模型数据发送给客户端；步骤5：重复步骤2-步骤4，在空闲时间段持续优化全局模型及各客户端本地模型的性能，同时使用更新后的所述WiFi身份识别全局模型进行实时身份识别。

全文数据：

权利要求：

百度查询： 南华大学 一种基于联邦学习与类增量学习的wifi人员身份识别方法