基于聚类算法的新边缘设备配套高泛化性模型及其构建方法

一种基于聚类算法的新边缘设备配套高泛化性模型及其构建方法，构建方法包括以下步骤：基于每个边缘设备所处环境，生成象征自己数据特征的数据特征点D；对数据特征点D利用欧式距离进行分类；抽取不同类别边缘设备，形成包含所有类别数据的小组；在小组上训练初始模型，直至模型收敛，得到小组模型；将各小组模型聚合后得到高泛化性模型。在组内确保了每个类别设备的数据得到有效代表，同时进行比例平衡，以确保模型在看到不同类别数据的基础上能具备高泛化性。对于新加入的边缘设备来说，使用这种基于多类别数据训练的泛化性模型，即使在其环境和任务特性未知的情况下，也能获得良好的性能表现。