一种基于联邦学习的客户端群组划分方法及装置

本发明公开了一种基于联邦学习的客户端群组划分方法及装置，用于解决现有的针对联邦学习的客户端群组划分方法导致群组划分结果的准确性较差的技术问题。方法包括将获取的各客户端的本地数据集输入至预置神经网络学习模型进行特征提取，输出各客户端对应的客户端数据集分布特征；采用各客户端的本地数据集对各客户端对应的初始联邦学习神经网络进行模型训练，确定各客户端对应的训练联邦学习神经网络；根据各客户端数据集分布特征和各训练联邦学习神经网络的模型参数，构建优化目标函数；基于跨视角图匹配机制，对优化目标函数进行求解，输出多视角融合相似度矩阵；基于均值聚类方法，对多视角融合相似度矩阵进行聚类，生成客户端群组划分结果。