一种面向类别重叠场景的动态联邦持续学习方法及系统

本发明公开了一种面向类别重叠场景的动态联邦持续学习方法及系统。本发明采用生成模型来生成数据模拟旧任务数据全局分布特征，保证了训练过程中数据的隐私性；训练本地模型确保了合成数据的有效性。此外，本发明通过筛选无过时信息的合成数据，实现对动态数据分布的快速适应和对旧类别信息的准确保留。本发明具有模型适配性强、抗遗忘能力高、计算开销低等优势，适用于分布式智能设备的多场景应用。