-
公开(公告)号：CN117892154A
公开(公告)日：2024-04-16
申请号：CN202410292307.7
申请日：2024-03-14
Applicant: 东北大学
Abstract: 本发明属于联邦学习场景下的个性化技术领域，公开了一种个性化联邦场景下基于数据分布相似性的聚类方法。不同用户数据在相同模型下的softmax输出均值近似表示用户的真实数据分布，计算Wasserstein距离得到真实数据分布之间的相似性。采用改进的两阶段的层次聚类的方法做聚类，确定簇结构。最后，各个用户分别在自己的簇内做联邦平均，各自更新每个簇的簇头模型，直到簇头模型收敛。本发明减少中央服务器在执行聚类算法时的计算开销，提升了确定最优簇结构的效率，增强了聚类算法的鲁棒性，有效解决了聚类联邦学习训练效率低的问题。对于真实的联邦环境具有相当的适用价值。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
