雾计算架构下的聚类联邦学习方法

本发明公开了一种雾计算架构下的聚类联邦学习方法，包括如下步骤：1）联邦学习；2）聚类联邦学习系统冷启动的聚类过程；3）采用聚类联邦学习方法来进行局部模型的聚合；4）聚类联邦学习方法采用了动态雾节点分配策略。这种方法能缓解客户端的非独立同分布数据对传统联邦学习的全局模型聚合和收敛的负面影响，聚合效率和聚合效果都得到增强，并且提升了通信效率，缩短了通信时间，加强了框架的整体算力水平。