基于聚类的半异步联邦学习方法及系统

本发明涉及机器学习技术领域，具体为基于聚类的半异步联邦学习方法及系统，该系统包括：聚类模块获取多个客户端设备进行本地训练的模型训练结果和训练处理时间，根据训练处理时间进行聚类得到多组设备簇，选取每一组设备簇中的协调者，用于协调本簇内的其他客户端设备保持同步通信和同步聚合，并与簇外的服务器进行异步通信，保持异步更新；模型聚合模块利用服务器接收各设备簇上传的训练结果，基于延迟补偿机制在簇与簇之间进行异步更新，生成新的全局模型，通过将新的全局模型发送回协调者以完成一轮联邦学习训练；通过不断迭代，直至全局模型收敛。融合了同步和异步方法，在提高联邦学习收敛效率的同时保持准确性。