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！

龙图腾网获悉浙江工业大学申请的专利一种基于聚类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：CN115391576B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202210836422.7，技术领域涉及：G06N3/098；该发明授权一种基于聚类的联邦图学习方法及系统是由俞山青;金士博;章诗涵;徐少聪;宣琦设计研发完成，并于2022-07-15向国家知识产权局提交的专利申请。

本一种基于聚类的联邦图学习方法及系统在说明书摘要公布了：一种基于聚类的联邦图学习方法，基于聚类聚合算法提升数据分布不均匀的图网络参与联邦学习获得的全局模型性能，所述方法包括步骤：S1：客户端通过各自的数据收集方式获取图数据，构建图网络并计算各类标签的结构差异性E，上传至服务器；S2：拥有不同分布数据的客户端在本地进行训练，直至模型收敛，以获得输出层的模型参数aout并上传至服务器。服服务器将客户端上传的两个参数处理后作为划分客户端到不同的聚类簇的依据；S3:各客户端本地训练至一定批次时，上传其模型参数至服务器。服务器通过簇内聚合与簇间聚合更新全局模型参数并发送给各个客户端，客户端更新模型继续下一批次的训练，直至模型收敛。本发明能更好地完成节点分类，链路预测任务。

本发明授权一种基于聚类的联邦图学习方法及系统在权利要求书中公布了：1.一种基于聚类的联邦图学习方法，所述方法由中心服务器和至少一个客户端实现，所述方法包括如下步骤： S1：客户端通过各自的数据收集方式获取图数据，构建图网络并计算各类标签的结构差异性E，上传至服务器； S2：客户端利用图网络单独训练至模型收敛，获得输出层的模型参数aout上传至服务器；服务器将客户端上传的两个参数处理后作为划分客户端到不同的聚类簇的依据；具体包括： S2.1：客户端均采用三层多头图注意力网络模型GAT进行训练，前两层用于压缩节点特征，最后一层为输出层； S2.2：基于步骤S2.1的模型结构训练至收敛获得输出层注意力系数aout上传至服务器；服务器对各客户端的aout进行归一化后，再通过主成分分析法PCA将aout的进行降维得到具体公式如下： 其中μ为各客户端的aout的平均值，σ为标准差；客户端的维度由客户端数量确定；客户端数量越多，所划分的聚类簇也越多；u表示客户端p降维后的维度；服务器采用基于距离的聚类方法实现客户端的划分，具体公式如下： 其中，p,v∈q且p≠v，q表示参与联邦学习的客户端的集合；flagp,v表示客户端p,v之间的聚类信号，当flagp,v＝1时表示两个客户端可以被分至同一个簇内，反之不能；δ为聚类的阈值,可根据具体情况调整； S3：各客户端本地训练至一定批次时，上传其模型参数至服务器；服务器通过簇内聚合与簇间聚合更新全局模型参数并发送给各个客户端，客户端更新模型继续下一批次的训练，直至模型收敛。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。