基于流形学习的单客户端多域异构联邦学习系统和方法

本发明提供了一种基于流形学习的单客户端多域异构联邦学习系统和方法，各客户端根据局部模型和本地数据集确定与训练集中数据的类别对应的多个流形点集，将流形点集和局部模型发送至服务器；服务器根据任一类别下各客户端的流形点确定全局流形，通过聚类处理对各全局流形进行数据域划分得到子流形，基于注意力机制更新各子流形，进而重构流形点，根据各局部模型更新全局模型，将重构后的流形点和当前全局模型分发至相应的客户端；各客户端根据接收到的全局模型确定总损失函数，根据总损失函数更新当前局部模型，并将更新后的局部模型发送至服务器，以使各客户端和服务器进行迭代训练，直至全局模型收敛，从而在域异构场景下实现良好的联邦性能。