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！

龙图腾网获悉哈尔滨工业大学(深圳)申请的专利基于改进联邦学习的数据分类方法、系统及相关设备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：CN116503642B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202310269638.4，技术领域涉及：G06V10/764；该发明授权基于改进联邦学习的数据分类方法、系统及相关设备是由刘洋;王家勃;王轩;刘川意;漆舒汉;陈斌;王强设计研发完成，并于2023-03-15向国家知识产权局提交的专利申请。

本基于改进联邦学习的数据分类方法、系统及相关设备在说明书摘要公布了：本发明公开了一种基于改进联邦学习的数据分类方法、系统及相关设备，方法包括：目标客户端根据预设的改进联邦学习算法对其对应的待训练的数据分类模型进行模型迭代训练，获得对应的已训练的数据分类模型，目标客户端根据预设的改进联邦学习算法进行一轮迭代时，基于全局特征提取器模型参数、全局分类器模型参数和本地分类器模型参数对待训练的数据分类模型的模型参数进行调整，全局特征提取器模型参数和全局分类器模型参数由目标客户端从服务器获取，本地分类器模型参数由目标客户端从本地存储的数据获取；目标客户端获取待分类数据，通过对应的已训练的数据分类模型进行分类获取待分类数据对应的目标类别。本发明有利于提高数据分类的准确性。

本发明授权基于改进联邦学习的数据分类方法、系统及相关设备在权利要求书中公布了：1.一种基于改进联邦学习的数据分类方法，其特征在于，所述方法包括： 目标客户端根据预设的改进联邦学习算法对该目标客户端对应的待训练的数据分类模型进行模型迭代训练，获得该目标客户端对应的已训练的数据分类模型，其中，所述目标客户端根据预设的改进联邦学习算法进行一轮迭代时，基于全局特征提取器模型参数、全局分类器模型参数和本地分类器模型参数对所述待训练的数据分类模型的模型参数进行调整，所述全局特征提取器模型参数和所述全局分类器模型参数由所述目标客户端从服务器获取，所述本地分类器模型参数由所述目标客户端根据本地存储的数据获取； 所述目标客户端获取待分类数据，通过该目标客户端对应的已训练的数据分类模型对所述待分类数据进行分类并获取所述待分类数据对应的目标类别； 所述目标客户端根据预设的改进联邦学习算法进行第轮迭代时根据如下步骤进行模型参数调整： 所述目标客户端获取所述服务器下发的第轮全局特征提取器模型参数和第轮全局分类器模型参数，其中，所述第轮全局特征提取器模型参数和所述第轮全局分类器模型参数由所述服务器根据第-1轮迭代时的所有目标客户端对应的第-1轮全局特征提取器模型更新参数和第-1轮本地分类器模型更新参数计算获得； 所述目标客户端从本地存储的数据中获取第-1轮本地分类器模型更新参数并作为第轮本地分类器模型参数； 所述目标客户端将其对应的待训练的数据分类模型中全局特征提取器的模型参数更新为所述第轮全局特征提取器模型参数； 固定所述待训练的数据分类模型中全局特征提取器对应的第轮全局特征提取器模型参数，根据所述目标客户端中的训练数据、所述第轮本地分类器模型参数和固定的所述第轮全局特征提取器模型参数计算所述训练数据对应的第一损失值，并根据所述第一损失值对所述第轮本地分类器模型参数进行调整以获得第轮本地分类器模型更新参数； 固定所述待训练的数据分类模型中全局分类器对应的第轮全局分类器模型参数，根据所述目标客户端中的训练数据、所述第轮全局特征提取器模型参数和固定的所述第轮全局分类器模型参数计算所述训练数据对应的第二损失值，并根据所述第二损失值对所述第轮全局特征提取器模型参数进行调整以获得第轮全局特征提取器模型更新参数。

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哈尔滨工业大学(深圳)，其通讯地址为：518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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。