基于自适应原型聚合的个性化联邦学习方法、系统及介质

本发明公开了一种基于自适应原型聚合的个性化联邦学习方法、系统及介质，所述方法包括：通过神经网络模型对本地数据集进行提取，得到特征向量，并对特征向量计算类别原型，作为本地原型；将本地原型与对应的类别标签上传至服务器，以使服务器对本地原型进行聚合，得到全局原型，并将全局原型发回给所有客户端；接收服务器发回的全局原型，对本地原型和全局原型进行自适应聚合；对神经网络模型进行训练，并更新神经网络模型参数；使用训练后的神经网络模型以及聚合原型对待推断的数据样本进行标签值推断。本发明可以实现本地原型与全局原型的自适应聚合，有效解决数据异质性未知场景下的模型性能优化问题，同时显著降低通信开销。