一种基于联邦学习的多标签数据聚类分割方法、系统、装置及存储介质

本发明公开了一种基于联邦学习的多标签数据聚类分割方法、系统、装置及存储介质，中央服务器对原始多标签数据集提取图像特征，并与图像的多标签信息拼接成特征向量，中央服务器对多标签数据集根据特征向量进行聚类处理，根据全局参数设置的分布类型以及聚类结果与联邦客户端数量，将数据集划分为遵循该分布类型的数据并分配给各个联邦客户端。对每个客户端的数据进行图像预处理，分割为训练集和测试集，并保存配置信息以及训练集与测试集划分，完成多标签数据聚类分割。本发明通过聚类算法为联邦学习模拟仿真多标签分类任务，提供了实验所需的各种数据分布情况，为联邦学习中处理多标签数据集的数据分割问题提供了有效的解决方案。