一种联邦梯度提升决策树投票并行训练方法

发明专利有效专利

申请号：
CN202110138495.4
IPC分类号：G06N20/20;G06N3/04;G06N3/08;G06K9/62
申请日期：
2021-02-01
申请人：
广西师范大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种联邦梯度提升决策树投票并行训练方法
申请号	CN202110138495.4	申请日期	2021-02-01
法律状态	实质审查	申报国家	中国
公开/公告日	2021-05-25	公开/公告号	CN112836830A
优先权	暂无	优先权号	暂无
主分类号	G06N20/20	IPC分类号	G;0;6;N;2;0;/;2;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;K;9;/;6;2查看分类表>
申请人	广西师范大学	申请人地址	广西壮族自治区桂林市七星区育才路15号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	广西师范大学	当前权利人	广西师范大学
发明人	李先贤;高士淇;石贞奎
代理机构	桂林市持衡专利商标事务所有限公司	代理人	陈跃琳

摘要

本发明公开一种联邦梯度提升决策树投票并行训练方法，针对联邦机构的应用场景，不同的参与方之间享有着不同的数据集存在有较大的分布差异，本发明使用了基于隐私保护的表格数据的对抗生成网络，同时使用KD‑tree对合成样本和本地样本分别聚类采样的方法生成混合样本集，以此来实现接近于总体数据分布的全局混合样本。另外，本发明基于全局混合样本和本地原始样本，并基于联邦学习的方法完成了梯度提升决策树的训练，在训练过程中采用了直方图优化算法使通信量与样本量无关，采用了投票特征的方法使得通信量与样本特征数量无关，极大减小了通信代价，适合在地理位置较远的机构之间通信代价减小。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供