一种基于DBSCAN的自适应聚类联邦学习方法

本发明公开了一种基于DBSCAN的自适应聚类联邦学习方法，包括以下步骤：A：服务器初始化全局模型及相应的超参数；B：所有客户端利用本地数据训练模型，得到本地数据的特征向量并将其发送给服务器；C：服务器自适应确定DBSCAN聚类算法中领域半径和最小包含点数的数值，通过DBSCAN聚类算法对客户端进行划分，并将聚类结果发送至所有客户端；D：客户端接收到聚类结果后，按照簇的形式进行联邦学习模型训练过程，直至模型收敛或达到指定的通信轮数。本发明能够有效提升联邦学习的性能，缓解数据异构带来的影响；同时通过自适应确定DBSCAN聚类算法的参数，改善聚类结果。