基于联邦学习的人体行为识别方法、系统及存储介质

本发明公开了一种基于联邦学习的人体行为识别方法、系统及存储介质，涉及人体行为识别领域。具体步骤为：获取人体行为识别数据集；对人体行为识别数据集进行预处理，得到第一数据集；对第一数据集进行多种数据不平衡特性分析；设计联邦学习聚合算法FedPA，根据客户端模型参数量总和的大小为客户端模型聚合动态分配权重；将第一数据集划分为训练集和测试集，利用训练集对算法FedPA进行训练，利用测试集对训练后的算法FedPA进行评估。本发明有效提升了联邦学习框架下的人体行为识别准确率，优化了服务器与客户端模型的聚合性能，缓解数据隐私问题并减少通信开销。