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！

龙图腾网获悉暨南大学申请的专利基于特征空间构建与共享的联邦图学习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：CN120449993B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510947388.4，技术领域涉及：G06N3/098；该发明授权基于特征空间构建与共享的联邦图学习方法及系统是由黄书强;王治国;卓胜达;汤胤;陈家乐;周子枫;关则霖;李弘毅设计研发完成，并于2025-07-10向国家知识产权局提交的专利申请。

本基于特征空间构建与共享的联邦图学习方法及系统在说明书摘要公布了：本发明公开了一种基于特征空间构建与共享的联邦图学习方法及系统，用于解决跨域物联网环境下联邦图学习中的特征空间异构、有害知识整合及个性化性能不足问题。方法包括：构建全局一致的特征空间，通过随机游走特征生成与标准化实现节点特征对齐；设计客户端混合特征编码器（CHFE），联合全局特征（MLP编码）与局部特征（GCN编码）生成混合表示；提出独立自适应聚合策略（IAA），基于领域相似度、模型相似度及梯度相似度动态计算聚合权重；引入个性化正则化机制（PPT），平衡全局协同与本地优化。本方法显著提升模型在异构数据下的收敛速度与泛化能力，降低通信开销，适用于医疗、工业等隐私敏感场景。

本发明授权基于特征空间构建与共享的联邦图学习方法及系统在权利要求书中公布了：1.基于特征空间构建与共享的联邦图学习方法，其特征在于，包括下述步骤： 对各客户端的图数据，基于邻接矩阵与度矩阵生成归一化随机游走矩阵；提取多阶随机游走特征形成统一表示的全局特征，并通过特征归一化消除不同客户端的特征分布差异，构建共享的全局特征空间；所述客户端包括医疗机构客户端、工业企业客户端或社交平台客户端； 对每个节点，将全局特征与原始局部特征分别输入全局特征编码器和局部特征编码器，通过特征拼接生成混合特征； 计算客户端间的领域相似度矩阵、模型相似度矩阵及更新方向相似度矩阵，基于领域相似度矩阵和模型相似度矩阵构建全局特征关系矩阵，基于模型相似度矩阵和更新方向相似度矩阵构建局部特征关系矩阵，对所述全局特征关系矩阵和局部特征关系矩阵分别进行独立聚合，将聚合权重优化转化为带约束的二次规划问题，依据相似性动态更新聚合权重；所述独立聚合的步骤中： 所述领域相似度矩阵衡量客户端之间的数据结构相似性，基于节点度分布的总变差距离计算得到； 所述模型相似度矩阵衡量全局特征编码器参数的相似性，采用余弦相似度计算得到； 所述更新方向相似度矩阵衡量局部特征编码器的梯度更新方向一致性，采用余弦相似度计算得到； 所述带约束的二次规划问题，具体为： 针对每个客户端的聚合权重向量W i ，优化问题表示如下： ； 约束： ； 其中，表示在所有可行的权重向量W i 中，寻找使目标函数取得最小值的最优解；是客户i端聚合权重向量W i 的转置；Q表示特征空间中的相似性矩阵，衡量各特征或节点间的相似关系；b表示权重偏置项向量，结合具体任务需求对聚合权重施加引导性调节；Q与b由相似性矩阵及权重系数组合生成；i表示当前正在优化的客户端编号；j表示在客户端i所参考的特征或邻居索引，用于对特征贡献权重的逐一分配； 在客户端本地训练的损失函数中增加近端正则项约束本地模型参数与服务器下发的聚合模型参数的偏离程度，基于包含正则项的目标函数，采用梯度下降法更新本地模型参数，基于客户端数据异质性动态调整正则化强度，实现协同与个性化平衡。

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暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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”。