一种基于自适应聚合和特征对齐的联邦定位方法

本发明公开了一种基于自适应聚合和特征对齐的联邦定位方法，属于室内定位领域。将联邦学习应用于物联网室内定位时存在各终端设备数据非独立同分布的问题，利用自适应的联邦聚合系数和特征对齐约束来降低非独立同分布数据对全局模型性能的影响；该算法通过对比全局模型在局部训练前后的性能差异来量化各局部模型的聚合权重，具体通过损失值的变异系数来为联邦聚合提供更加准确的聚合系数；考虑到客户端数据分布的差异会导致局部模型表征具有各自的偏好，使用特征对齐约束来避免局部模型的过拟合，以提升全局模型的性能。