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！

龙图腾网获悉厦门大学申请的专利一种基于对抗式特征增广的长尾数据个性化联邦学习方法、系统、装置和存储介质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：CN115688939B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202211396784.5，技术领域涉及：G06N20/00；该发明授权一种基于对抗式特征增广的长尾数据个性化联邦学习方法、系统、装置和存储介质是由卢杨;钱品馨;王菡子设计研发完成，并于2022-11-09向国家知识产权局提交的专利申请。

本一种基于对抗式特征增广的长尾数据个性化联邦学习方法、系统、装置和存储介质在说明书摘要公布了：本发明公开了一种基于对抗式特征增广的长尾数据个性化联邦学习方法，包括：在服务器端将整个全局模型分成全局特征提取器g和全局分类器f并将其发给若干个客户端；通过随机采样平衡若干个客户端本地样本数据分布，利用伯努利分布构建若干对源大类样本ys和目标小类样本yt标签对；获取源大类样本特征hs和目标小类样本特征并得到采样平衡样本特征集Dbal和生成平衡样本特征集利用所述采样平衡样本特征集Dbal和生成平衡样本特征集训练所述全局分类器f，结合全局特征提取器g，得到本地个性化模型。能够解决全局长尾数据分布下的数据异构问题。

本发明授权一种基于对抗式特征增广的长尾数据个性化联邦学习方法、系统、装置和存储介质在权利要求书中公布了：1.一种基于对抗式特征增广的长尾数据个性化联邦学习方法，其特征在于，包括： 准备数据集，搭建联邦学习框架，初始化学习网络； 准备若干长尾分类数据集，并切分训练数据集给若干个客户端，所使用的若干长尾分类数据集均是图像分类数据集； 搭建联邦学习框架并初始化深度学习网络； 在服务器端将整个全局模型分成全局特征提取器g和全局分类器f并将其发给若干个客户端； 通过随机采样平衡若干个客户端本地样本数据分布，利用伯努利分布构建若干对源大类样本ys和目标小类样本yt标签对； 获取源大类样本特征hs和目标小类样本特征并得到采样平衡样本特征集Dbal和生成平衡样本特征集 利用所述采样平衡样本特征集Dbal和生成平衡样本特征集训练所述全局分类器f，结合全局特征提取器g，得到本地个性化模型； 所述获取源大类样本特征hs和目标小类样本特征的步骤具体如下： 利用所述全局特征提取器g获取所述源大类样本ys的所述源大类样本特征hs； 利用对抗样本得到所述目标小类样本特征 所述利用对抗样本得到所述目标小类样本特征的具体步骤包括： 通过梯度下降算法不断优化所述源大类样本特征hs，在反向传播时得到梯度梯度的计算公式如下： 将梯度正则化得到最终的特征扰动δ，特征扰动δ的计算公式如下： 将特征扰动δ添加到所述源大类样本特征hs上，得到所述目标小类样本特征所述目标小类样本特征的计算公式如下： 对所述目标小类样本特征进行优化，具体优化公式如下：

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厦门大学，其通讯地址为：361005 福建省厦门市思明南路422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”。