-
公开(公告)号：CN117851842A
公开(公告)日：2024-04-09
申请号：CN202410111041.1
申请日：2024-01-25
Applicant: 南京信息工程大学
IPC: G06F18/23 , G06F18/214 , G06F18/22 , G06F40/274 , G06N3/098
Abstract: 本发明公开了一种双端聚类联邦学习方法，包括如下步骤：步骤1、服务器模型参数初始化；步骤2、客户端训练全局模型r轮；步骤3、服务器将参与客户端执行服务器端聚类；步骤4、服务器根据聚类结果将全局模型扩展成k个簇，并发送给未参与客户端执行客户端聚类；步骤5、客户端根据簇模型进行本地训练，并上传更新梯度；步骤6、服务器判断客户端的身份是否需要重新识别，若需要，则进入步骤7，否则进入步骤8；步骤7、客户端根据全部簇模型交替计算经验损失，获取新的身份发送给服务器；步骤8、服务器判断联邦系统是否完成训练，若完成训练，则进入步骤9；步骤9、联邦训练结束，输出最终预测模型；该方法可以在服务器端聚类结果出错的情况下，小规模调整客户端身份，将错误聚类结果调整为正确聚类结果，提高了聚类算法的容错率和模型收敛速度。
Search Results
1
records
(took 0.023 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
