一种基于最优传输的个性化联邦学习方法和系统

本发明公开了一种基于最优传输的个性化联邦学习方法和系统，其方法包括：确定参与学习客户端数量，初始化全局模型参数，将参数发送至各个客户端，各客户端接收参数，冻结本地全局模型并利用本地数据进行模型训练获得新的本地模型参数，利用最优传输思想构建代价矩阵缩小本地适配器和全局适配器之间的距离，使得本地适配器学习到全局适配器中的全局信息，最终将产生的参数求和处理后上传至服务器，服务器以样本占比加和参数并以聚合超参数更新新一轮的全局模型参数。本发明在各个客户端将模型解耦，提高本地泛化性，数据不出用户本地保证数据安全性，利用最优传输思想考虑特征结构内部关系，增强对特征的捕获能力。