面向分布式医疗数据的联邦K-means数据全局分布安全感知方法

本发明属于布式医疗数据隐私保护和安全感知技术领域，具体涉及一种面向分布式医疗数据的联邦K‑means数据全局分布安全感知方法。针对大规模数据的分布式聚类与安全感知问题，本方法包括：每个客户端对其本地数据执行K‑means聚类算法，生成类簇信息Ci，并将这些类簇信息Ci上传至服务器；服务器合并所有客户端上传的类簇信息Ci中的每个新类簇中心生成全局聚类信息S，并将全局聚类信息S传递回各个客户端；各个客户端根据全局聚类信息S来重新进行各自本地数据的划分与分配；重复前述步骤将服务器与客户端迭代运行，直到全局聚类信息S不再发生变化或达到预设的阈值，得到最终的全局聚类信息Sfinal＝(μ＝{μ1,μ2,...,μk},n＝{n1,n2,...,nk})，根据Sfinal得到分布式数据的全局感知。