基于联邦蒸馏学习系统的多元时序数据分类方法及装置

本公开提供了一种基于联邦蒸馏学习系统的多元时序数据分类方法及装置，包括：服务器向各客户端发送初始时序数据分类模型和蒸馏模型，同时提供包含关系目录和知识队列的时序数据知识库；各客户端利用初始模型对本地多元时序数据训练集进行分类预测，形成预测数据集后上传至服务器；服务器根据这些数据更新关系目录和知识队列，再将更新后的近邻知识标签向量集反馈至客户端；客户端通过蒸馏模型提炼这些知识，并结合预设损失函数评估本地模型；若损失值超出阈值，则调整模型并重新训练；否则，应用优化模型对新的待分类时序数据进行分类。本公开提高了多元时序数据分类的精度与鲁棒性，优化了联邦学习中的信息共享与模型更新过程。