一种基于伪标签的聚类联邦学习方法

本发明提供了一种基于伪标签的聚类联邦学习方法，首先各个客户端使用其自己的本地数据集进行训练，得到各自收敛的本地模型，然后对一个公开的公共数据集进行预测，生成伪标签，接着根据伪标签数据集，计算客户端之间的相似度矩阵，该相似度矩阵基于伪标签和不确定性评分，在得到相似度矩阵后，采用模糊分层聚类算法对客户端进行聚类，聚类完成后客户端被分配到若干个集群中，且每个集群内的客户端具有相似的数据分布和伪标签，最后基于这些集群，进行集群内个性化模型训练。本发明方案有效防止了数据泄露，提高了聚类效率，减少了计算开销，提高了模型的性能和泛化能力。