一种基于自适应分布相似性计算的动态聚类联邦学习方法

本发明公开了一种基于自适应分布相似性计算的动态聚类联邦学习方法，包括：服务器接收各客户端上传的本地数据特征向量及参数更新；基于特征向量和参数更新，计算客户端间的自适应分布相似性，自适应分布相似性包括静态数据相似度和动态参数相似度，并通过权重调整策略动态平衡两者的权重；根据自适应分布相似性，对客户端进行冷启动阶段的初始聚类划分；在迭代更新阶段，基于组内相似度更新和组间相似度更新动态调整聚类划分，直至连续多轮聚类划分结果稳定；在每轮训练前，根据客户端的预估训练时间和剩余电池电量，执行分级客户端选择以确定参与训练的客户端；对划分后的聚类进行独立模型训练，直至模型收敛。本发明提高聚类联邦学习的准确率。