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！

龙图腾网获悉华中科技大学申请的专利基于差分隐私的稀疏张量联合补全方法与装置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：CN116258216B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310252049.5，技术领域涉及：G06N20/00；该发明授权基于差分隐私的稀疏张量联合补全方法与装置是由陈凯;熊博涛;杨泽灿;邓贤君;刘生昊;何媛媛;鲁宏伟设计研发完成，并于2023-03-15向国家知识产权局提交的专利申请。

本基于差分隐私的稀疏张量联合补全方法与装置在说明书摘要公布了：本发明公开了一种基于差分隐私的稀疏张量联合补全方法：1根据数据维度对训练集数据分组；2建立基于差分隐私的稀疏张量联合补全模型，初始化中心服务器的全局因子矩阵3利用弹性平均随机梯度下降方法训练模型，并通过差分隐私技术对输出结果扰动4各客户端根据模型对缺失数据进行补全。本发明相对于现有利用差分隐私的技术，能够在保证用户隐私的情况下准确完成数据补全任务，在效率，补全精度和通用性方面都取得了卓越效果，有很强的实际应用价值。本发明还提供了相应的基于差分隐私的稀疏张量联合补全装置。

本发明授权基于差分隐私的稀疏张量联合补全方法与装置在权利要求书中公布了：1.一种基于差分隐私的稀疏张量联合补全方法，其特征在于，包括以下步骤： （1）对各客户端节点进行编号，根据数据维度信息并引入并行张量分解方法对各客户端节点数据集进行分组，得到带编号的训练数据集； （2）根据补全任务需求，设计损失函数，采用拉普拉斯机制，建立基于差分隐私的稀疏张量联合补全模型，初始化中心服务器的全局因子矩阵和各客户端节点的本地因子矩阵； （3）使用步骤（1）中的带编号训练数据集，利用弹性平均随机梯度下降方法训练，提取高维数据特征，得到基于差分隐私的稀疏张量联合补全模型；所述步骤（3）具体包括：（3.1）中心服务器根据步骤（1）中已分组的训练数据集对各客户端节点下发训练任务；（3.2）各客户端节点根据步骤（3.1）中的训练任务，通过稀疏张量联合补全模型对本地数据进行训练，更新本地因子矩阵；（3.3）各客户端节点完成训练任务后，将更新后的本地因子矩阵发送给中心服务器；（3.4）中心服务器收集各客户端的本地因子矩阵，对全局因子矩阵进行更新；（3.5）中心服务器重复步骤（3.1）继续下发训练任务，直至每组训练集数据均被训练；所述步骤（3.4）具体包括：中心服务器收集T个客户端的本地因子矩阵，更新全局因子矩阵，计算公式如下： 其中，为全局因子矩阵的学习率； （4）利用上述训练好的稀疏张量联合补全模型对缺失数据进行补全。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。