買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉暨南大學申請的專利基于特征空間構建與共享的聯邦圖學習方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120449993B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510947388.4，技術領域涉及：G06N3/098；該發明授權基于特征空間構建與共享的聯邦圖學習方法及系統是由黃書強;王治國;卓勝達;湯胤;陳家樂;周子楓;關則霖;李弘毅設計研發完成，并于2025-07-10向國家知識產權局提交的專利申請。

本基于特征空間構建與共享的聯邦圖學習方法及系統在說明書摘要公布了：本發明公開了一種基于特征空間構建與共享的聯邦圖學習方法及系統，用于解決跨域物聯網環境下聯邦圖學習中的特征空間異構、有害知識整合及個性化性能不足問題。方法包括：構建全局一致的特征空間，通過隨機游走特征生成與標準化實現節點特征對齊；設計客戶端混合特征編碼器（CHFE），聯合全局特征（MLP編碼）與局部特征（GCN編碼）生成混合表示；提出獨立自適應聚合策略（IAA），基于領域相似度、模型相似度及梯度相似度動態計算聚合權重；引入個性化正則化機制（PPT），平衡全局協同與本地優化。本方法顯著提升模型在異構數據下的收斂速度與泛化能力，降低通信開銷，適用于醫療、工業等隱私敏感場景。

本發明授權基于特征空間構建與共享的聯邦圖學習方法及系統在權利要求書中公布了：1.基于特征空間構建與共享的聯邦圖學習方法，其特征在于，包括下述步驟： 對各客戶端的圖數據，基于鄰接矩陣與度矩陣生成歸一化隨機游走矩陣；提取多階隨機游走特征形成統一表示的全局特征，并通過特征歸一化消除不同客戶端的特征分布差異，構建共享的全局特征空間；所述客戶端包括醫療機構客戶端、工業企業客戶端或社交平臺客戶端； 對每個節點，將全局特征與原始局部特征分別輸入全局特征編碼器和局部特征編碼器，通過特征拼接生成混合特征； 計算客戶端間的領域相似度矩陣、模型相似度矩陣及更新方向相似度矩陣，基于領域相似度矩陣和模型相似度矩陣構建全局特征關系矩陣，基于模型相似度矩陣和更新方向相似度矩陣構建局部特征關系矩陣，對所述全局特征關系矩陣和局部特征關系矩陣分別進行獨立聚合，將聚合權重優化轉化為帶約束的二次規劃問題，依據相似性動態更新聚合權重；所述獨立聚合的步驟中： 所述領域相似度矩陣衡量客戶端之間的數據結構相似性，基于節點度分布的總變差距離計算得到； 所述模型相似度矩陣衡量全局特征編碼器參數的相似性，采用余弦相似度計算得到； 所述更新方向相似度矩陣衡量局部特征編碼器的梯度更新方向一致性，采用余弦相似度計算得到； 所述帶約束的二次規劃問題，具體為： 針對每個客戶端的聚合權重向量W i ，優化問題表示如下： ； 約束： ； 其中，表示在所有可行的權重向量W i 中，尋找使目標函數取得最小值的最優解；是客戶i端聚合權重向量W i 的轉置；Q表示特征空間中的相似性矩陣，衡量各特征或節點間的相似關系；b表示權重偏置項向量，結合具體任務需求對聚合權重施加引導性調節；Q與b由相似性矩陣及權重系數組合生成；i表示當前正在優化的客戶端編號；j表示在客戶端i所參考的特征或鄰居索引，用于對特征貢獻權重的逐一分配； 在客戶端本地訓練的損失函數中增加近端正則項約束本地模型參數與服務器下發的聚合模型參數的偏離程度，基于包含正則項的目標函數，采用梯度下降法更新本地模型參數，基于客戶端數據異質性動態調整正則化強度，實現協同與個性化平衡。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人暨南大學，其通訊地址為：510632 廣東省廣州市天河區黃埔大道西601號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。