一种基于集群层特征的聚类联邦学习方法

本发明提供了一种基于集群层特征的聚类联邦学习方法。该方法包括：客户端选择最优的集群模型进行本地更新得到特征矩阵，将特征矩阵和集群模型上传至服务器；服务器根据接收到的特征矩阵对客户端进行聚类，将具有相似的数据分布的客户端划分到同一个集群模型中，并计算出全局模型；服务器利用全局模型计算出集群模型中每个层的重要性分数，每个集群模型保留前设定数量个重要性分数最高的层作为个性化层，将每个集群模型中除了个性化层之外的其余层根据重要性分数进行聚合，得到更新后的集群模型，并下发给每个客户端。本发明实现了基于集群层特征的聚类联邦学习系统，不仅提升了客户端的个性化能力，还可以优化和提升模型的性能。