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
本发明公开了一种基于树形结构的纵向联邦学习训练方法及装置，涉及联邦学习领域。该方法的步骤包括：当前特征为合作方的特征时，发起方根据样本梯度矩阵得到核空间矩阵后进行矩阵变换和转置、并划分为若干子矩阵，根据每个子矩阵的加噪掩码矩阵得到当前特征的待比较信息熵增；在每个特征的待比较信息熵增中，选择最大的信息熵增对应的特征作为新增节点并放入决策树，当新增节点达到指定的预设深度时，决策树创建完成。本发明进行纵向联邦学习训练，合作方的样本信息不会泄露给发起方，不仅降低了合作方隐私信息的泄露几率，而且合理利用了
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116595579 A
(43)申请公布日 2023.08.15
(21)申请号 202310475261.8
(22)申请日 2023.04.27
(71)申请人 武汉天喻信息产业股份有限公司
地址
文档评论（0）