原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种异质性联邦学习方法和装置，每轮异质性联邦学习依序执行可见域知识融合、扩散域数据生成以及扩散域知识融合阶段；在可见域知识融合阶段，通过图卷积神经网络对本地样本驱动的激活拓扑网络图进行图嵌入表示，更加真实反映联邦学习中不同参与方的数据异质性，通过利用知识迁移方式将簇内模型知识融合到不同簇的参与方，有效提升不同参与方的模型泛化性，提升模型的预测效果；在扩散域数据生成阶段，通过参与方在本地数据提取的特征生成扩散样本，保留了参与方原始的数据分布；扩散域知识融合阶段，采用扩散域的数据特征融合
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116502709 A
(43)申请公布日 2023.07.28
(21)申请号 202310755582.3 G06V 10/82 (2022.01)
文档评论（0）