公开(公告)号：CN117131956A

公开(公告)日：2023-11-28

申请号：CN202310984916.4

申请日：2023-08-04

Applicant: 广东工业大学

Inventor： 陈家辉 ,  张培烽

IPC: G06N20/20 ,  G06F21/62 ,  G06F18/231

Abstract: 本发明提供了一种基于格拉斯曼流形聚类的个性化联邦学习方法及系统，包括：中心服务器向每个联邦学习的客户端广播发送初始模型后，参与联邦学习过程的客户端生成数据子空间表示发回中心服务器存储，中心服务器根据数据子空间计算并构建若干个格拉斯曼距离矩阵；使用聚类算法基于格拉斯曼距离矩阵得到若干个不同的聚类学习器，产生若干个聚类划分结果；基于聚类集成框架结合得到的聚类划分结果获得最终的聚类划分结果，而后在每个最终聚簇中各客户端与中心服务器使用随机初始模型基于经典的联邦学习范式协作训练一个簇级别的机器学习模型直至收敛，并共享该簇模型。在保护了用户的隐私数据安全的同时，使联邦学习任务在全局性和个性化间取得了更好的平衡。

公开(公告)号：CN117494846A

公开(公告)日：2024-02-02

申请号：CN202311510701.5

申请日：2023-11-14

Applicant: 广东工业大学

Inventor： 陈家辉 ,  张培烽 ,  向春香

IPC: G06N20/20 ,  G06F18/23213 ,  G06F21/62 ,  G06F21/60

Abstract: 本发明公开了一种基于客户端间数据差异感知的聚类联邦学习方法，各客户端基于本地数据进行计算处理，得到特征向量和标签向量；服务器计算每两个客户端间的特征向量差异度量，得到测地线距离矩阵，以及计算每两个客户端间的标签向量差异度量，得到海林格距离矩阵，将测地线距离矩阵和海林格距离矩阵加权线性组合，得到成对距离矩阵；服务器利用层次聚类算法对成对距离矩阵进行聚类计算，得到多个聚类结果；服务器基于聚类结果维护多个簇级别模型，并且将不同的簇级别模型发送至属于该簇的所有参与客户端；基于聚类结果在服务器与客户端间执行联邦学习交互迭代处理，直至达到预设迭代轮次，并将迭代完成的不同簇级别模型共享至对应客户端。