一种基于聚类的动态联邦优化方法

本申请提供了一种基于聚类的动态联邦优化方法，包括，获取待检测基因；获取多个中心医疗数据；对多个中心医疗数据进行数据预处理，得到处理后的多个中心医疗数据；将多个中心医疗数据输入预先构建的统一中智集聚类算法中，得到聚类分组结果；基于聚类分组结果、联邦学习与公平影响最大化，根据处理后的多个中心医疗数据分别对共享大预言模型进行训练，得到训练后的共享大语言模型；根据每个医疗中心数据，确定与该医疗中心数据对应的结构熵，并根据每个医疗中心数据对应的结构熵，确定每个医疗中心数据的噪声强度；根据每个医疗中心数据的噪声强度和训练后的共享大语言模型的模型权重，得到目标大语言模型。