基于联邦学习的工业设备集群非独立同分布数据处理框架

发明涉及非独立同分布数据技术领域，公开了一种基于联邦学习的工业设备集群非独立同分布数据处理框架，步骤：a.各客户端进行优化的过采样，划分出源域和目标域客户端；b.中央服务器发送1‑DCNN至所有客户端；c.源域客户端对模型进行训练并传回至中央服务器；d.将源域和目标域客户端数据分别输入模型，使用MMD 度量二者在各卷积层和全连接层上的特征分布距离；e.判断模型中各层是否需要迁移；f.目标域客户端训练模型并传回至中央服务器；g.中央服务器基于FedAvg对模型进行聚合，发送至各客户端进行评估。本发明在非独立同分布数据的处理中具有优异性能，同时满足了隐私需求和算力需求，为工业设备集群数据非独立同分布问题提供了有效解决方案。