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！

龙图腾网获悉武汉大学申请的专利一种适用于跨领域图分类的个性化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：CN118656508B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202410757298.4，技术领域涉及：G06F16/55；该发明授权一种适用于跨领域图分类的个性化联邦图学习方法及系统是由叶茫;万冠呈;谭子函设计研发完成，并于2024-06-13向国家知识产权局提交的专利申请。

本一种适用于跨领域图分类的个性化联邦图学习方法及系统在说明书摘要公布了：本发明公开了一种适用于跨领域图分类的个性化联邦图学习方法及系统，针对全局合作中结构异质性的影响，采用通用图频谱知识分享，在包括全局特征值编码器和全局滤波编码器的全局频谱编码器中分享通用频谱知识，使客户通过合作从中受益；其中，保留代表非通用知识的其他组成部分在本地，每个客户为其自身的图特性定制个性化的图卷积，避免频谱偏见的负面影响；针对本地应用中结构异质性的影响，为每个客户配置一个可学习的偏好，采用个性化偏好模块通过配合全局频谱编码器的工作，进行个性化图偏好调整，使其适应每个客户的独特图结构；其中，采用正则化项，以限制个性化偏好模块专注于本地偏好，解决由此引起的过度依赖问题。

本发明授权一种适用于跨领域图分类的个性化联邦图学习方法及系统在权利要求书中公布了：1.一种适用于跨领域图分类的个性化联邦图学习方法，其特征在于：针对全局合作中结构异质性的影响，采用通用图频谱知识分享，在包括全局特征值编码器和全局滤波编码器的全局频谱编码器中分享通用频谱知识，使客户通过合作从中受益；其中，保留代表非通用知识的其他组成部分在本地，每个客户为其自身的图特性定制个性化的图卷积，避免频谱偏见的负面影响； 针对本地应用中结构异质性的影响，为每个客户配置一个可学习的偏好，采用个性化偏好模块通过配合全局频谱编码器的工作，进行个性化图偏好调整，使其适应每个客户的独特图结构；其中，采用正则化项，以限制个性化偏好模块专注于本地偏好，解决由此引起的过度依赖问题； 所述采用通用图频谱域知识分享，具体实现包括以下步骤： 步骤1：将所有客户端中所有图的特征值从标量映射到意义向量，拼接后作为初始输入； 其中，在每个客户端内通过将特征值从标量映射到意义向量； 其中，代表特征值编码器的参数，表示图中所有特征值组成的一个向量，用于控制的重要性；表示映射后的向量维度；表示为偶数even和奇数odd的时候分别采用sin与cos的三角函数映射；用于保持特征值在预设的适当数值范围内，以区分三角函数的不同特征值；表示实数集； 随后，将n个特征值及其三角函数映射后的编码拼接得到维向量，然后使用特征值编码器重新变换为维向量，完成特征值编码过程，记为，其中表示客户端图中的节点数量； 步骤2：客户端上传其本地频谱编码器权重聚合成为全局频谱编码器从而分享通用谱编码知识，利用所有客户端的本地频谱编码器权重的直接平均，以实现公平合作和跨数据集的知识共享； 其中，首先使用多头注意力模块，堆叠若干注意力机制模块处理特征值向量，捕捉特征值各向量间的频谱知识与关系，将注意力机制模块的输出用于特征值解码的本地频谱解码器从频谱的表达性表示中学习新的特征值： 其中，对应注意力机制中的查询、键、值三个组成部分的特征矩阵及参数Q、K、V，共同构成注意力机制模块，是由第个注意力头过滤的特征值；表示实数集； 所述客户端上传其本地特征值编码器权重从而分享通用谱编码知识，具体实现过程是：在第次迭代的开始时，，中央服务器分发其全局特征值编码器权重来更新本地特征值编码器权重，然后客户端使用其数据集更新其本地特征值编码器权重，并将发送给中央服务器，其中代表第次迭代客户端的本地特征值编码器参数，中央服务器聚合接收各个客户端本地编码器参数更新并修改全局编码器参数得到第次迭代的初始全局参数； 其中，客户端编号；N表示客户端总数量； 所述每个客户为其自身的图特性定制个性化的图卷积，具体实现过程为： 在获得个注意力头过滤的特征值后，利用本地滤波编码器构建个性化图卷积的基；其中，为本地滤波编码器的参数，为图频谱变换的坐标基，为隐藏层维度，即先输入后得到=； ； ； 其中，原始基，表示客户端图中的节点数量，等同于特征值数量；原始基由原图的特征向量和特征值构建，其中特征向量的计算过程为，表示图中所有特征值组成的一个向量，是图的拉普拉斯矩阵，由得到，其中是图的度矩阵，是邻接矩阵； 客户端在每一轮训练后上传本地滤波编码器参数聚合出全局频谱编码器并用全局滤波编码器权重更新本地滤波编码器从而分享通用谱编码知识；本地滤波编码器和全局滤波编码器的分享共同构成通用谱编码知识分享策略； 在本地训练中，经过本地滤波编码器后，构建个性化图卷积，其中是来自前一层的节点的表示，表示当前层的输出，代指整个图卷积的参数，指的是激活函数；表示最终用于图卷积的滤波基； 图中所有节点的表示通过平均池化层聚合，形成图的整体特征表示： 其中为图中所有节点特征的平均值，即图特征；指图中节点的总数；指客户端拥有的图数据集包含图的个数。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。