基于联邦强化学习的随访监测方法、装置及相关设备与流程

技术特征：
1.一种基于联邦强化学习的随访监测方法，应用于中心服务器，其特征在于，所述基于联邦强化学习的随访监测方法包括：获取远端服务器中的初始随访监测模型以及与入组用户的随访数据对应的聚类簇；选取任一所述聚类簇作为目标聚类簇以及采集所述目标聚类簇中的所述随访数据，并根据所述随访数据训练所述初始随访监测模型，得到所述目标聚类簇对应的第一随访监测模型；获取并加密处理每一所述第一随访监测模型的第一模型参数，得到加密第一模型参数集；将所述加密第一模型参数集输出至所述远端服务器中进行加权处理，得到第二模型参数；接收所述远端服务器输出的所述第二模型参数，并加权处理所述第一模型参数与所述第二模型参数，得到目标模型参数；根据所述目标模型参数更新所述第一随访监测模型，得到目标随访监测模型；选取目标用户，并调用所述目标随访监测模型处理所述目标用户的随访数据，得到所述目标用户对应的随访监测路径。2.根据权利要求1所述的基于联邦强化学习的随访监测方法，其特征在于，所述采集所述目标聚类簇中的所述随访数据包括：获取所述目标聚类簇中的入组用户编号；确定与所述入组用户编号对应的目标用户端与目标公钥；接收所述目标用户端输出的加密随访数据；根据所述目标公钥解密处理所述加密随访数据，得到所述目标聚类簇对应的所述随访数据。3.根据权利要求1所述的基于联邦强化学习的随访监测方法，其特征在于，所述加权处理所述第一模型参数与所述第二模型参数，得到目标模型参数包括：获取所述第一模型参数对应的第一权重以及所述第二模型参数对应的第二权重，其中，所述第一权重大于所述第二权重；乘积处理所述第一权重与所述第一模型参数，得到第一参数值；乘积处理所述第二权重与所述第二模型参数，得到第二参数值；求和处理所述第一参数值与所述第二参数值，得到目标模型参数。4.根据权利要求1所述的基于联邦强化学习的随访监测方法，其特征在于，所述选取目标用户包括：获取所述目标随访监测模型对应的入组用户的目标聚类簇；确定所述目标聚类簇对应所述随访数据的第一随访特征；获取用户集以及所述用户集中每一用户对应的随访数据的第二随访特征，得到第二随访特征集；检测所述第二随访特征集中是否存在目标第二随访特征与所述第一随访特征相似；当检测结果为所述第二随访特征集中存在所述目标第二随访特征与所述第一随访特征相似时，确定所述目标第二随访特征对应的用户作为目标用户。5.一种基于联邦强化学习的随访监测方法，应用于远端服务器，其特征在于，所述基于
联邦强化学习的随访监测方法包括：获取入组用户的随访数据，并对所述随访数据进行聚类处理，得到若干聚类簇；将所述聚类簇以及初始随访监测模型分配至对应的中心服务器中进行训练，得到每一所述聚类簇对应的第一随访监测模型；接收并解密处理各个所述中心服务器输出的加密第一模型参数集中的每一加密第一模型参数，得到第一模型参数集；加权处理所述第一模型参数集中的每一第一模型参数，得到第二模型参数；根据所述第二模型参数更新所述初始随访监测模型，得到第二随访监测模型；检测所述第二随访监测模型是否收敛；当检测结果为所述第二随访监测模型收敛时，输出所述第二模型参数至各个所述中心服务器，使得所述中心服务器根据所述第二模型参数更新得到目标随访监测模型，并调用所述目标随访监测模型处理目标用户的随访数据，得到所述用户对应的随访监测路径。6.根据权利要求5所述的基于联邦强化学习的随访监测方法，其特征在于，所述对所述随访数据进行聚类处理，得到若干聚类簇包括：从所述随访数据中随机选取预设数量的第一随访数据，并将所述第一随访数据作为初始簇中心；计算与所述初始簇中心的距离最近的第二随访数据，并由所述第一随访数据与所述第二随访数据组成所述初始簇中心对应的聚类簇；获取所述聚类簇中所述第一随访数据与所述第二随访数据的随访数据均值，并将所述随访数据均值作为第一簇中心；计算与所述第一簇中心的距离最近的第三随访数据，并更新所述随访数据均值与所述第三随访数据文本组成所述第一簇中心对应的聚类簇；重复上述步骤，得到目标随访数据均值作为目标簇中心，计算与所述目标簇中心的距离最近的第四随访数据，并更新所述目标随访数据均值与所述第四随访数据组成所述目标簇中心对应的聚类簇。7.根据权利要求5所述的基于联邦强化学习的随访监测方法，其特征在于，所述根据所述第二模型参数更新所述初始随访监测模型，得到第二随访监测模型包括：获取所述初始随访监测模型的初始模型参数；根据所述第二模型参数替换所述初始模型参数，得到第二随访监测模型。8.一种基于联邦强化学习的随访监测装置，应用于中心服务器，其特征在于，所述基于联邦强化学习的随访监测装置包括：聚类簇获取模块，用于获取远端服务器中的初始随访监测模型以及与入组用户的随访数据对应的聚类簇；数据采集模块，用于选取任一所述聚类簇作为目标聚类簇以及采集所述目标聚类簇中的所述随访数据，并根据所述随访数据训练所述初始随访监测模型，得到所述目标聚类簇对应的第一随访监测模型；参数加密模块，用于获取并加密处理每一所述第一随访监测模型的第一模型参数，得到加密第一模型参数集；参数输出模块，用于将所述加密第一模型参数集输出至所述远端服务器中进行加权处
理，得到第二模型参数；参数加权模块，用于接收所述远端服务器输出的所述第二模型参数，并加权处理所述第一模型参数与所述第二模型参数，得到目标模型参数；模型更新模块，用于根据所述目标模型参数更新所述第一随访监测模型，得到目标随访监测模型；模型调用模块，用于选取目标用户，并调用所述目标随访监测模型处理所述目标用户的随访数据，得到所述目标用户对应的随访监测路径。9.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至4或5至7中任意一项所述基于联邦强化学习的随访监测方法。10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4或5至7中任意一项所述基于联邦强化学习的随访监测方法。

技术总结
本申请涉及人工智能技术，提供一种基于联邦强化学习的随访监测方法、装置、计算机设备与存储介质，包括：获取远端服务器中的初始随访监测模型以及聚类簇；根据随访数据训练初始随访监测模型，得到第一随访监测模型；加密处理第一随访监测模型的第一模型参数，得到加密第一模型参数集；将加密第一模型参数集输出至远端服务器中加权，得到第二模型参数；接收远端服务器输出的第二模型参数，加权第一模型参数与第二模型参数，得到目标模型参数；根据目标模型参数更新第一随访监测模型，得到目标随访监测模型；调用目标随访监测模型处理目标用户的随访数据，得到随访监测路径。本申请能够提高随访监测的准确性，促进智慧城市的快速发展。展。展。


技术研发人员：廖希洋
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2021.08.30
技术公布日：2021/11/30