基于客户端选取与聚合权重调节的异步联邦图像分类方法及系统

本发明涉及图像分类技术领域，特别涉及一种基于客户端选取与聚合权重调节的异步联邦图像分类方法及系统，利用联邦学习算法对图像分类模型进行训练，得到图像分类目标模型，所述联邦学习算法基于历史图像数据累积分布进行目标客户端选取并依据本地模型与全局模型相似性和本地模型间相似性来调节聚合权重；将待识别图像输入至图像分类目标模型中，利用图像分类目标模型获取待识别图像的种类并输出。本发明可减小数据异质性对全局模型的影响，挖掘本地过时更新模型的有价值信息，提升全局模型的效用，提升异步联邦图像分类过程中全局模型的预测性能，可适用于包括但不局限于图像分类的有监督数据分析场景。