一种基于参数解耦的个性化联邦学习方法

本发明公开了一种基于参数解耦的个性化联邦学习方法，包括下述步骤：S1.构建包含模型参数解耦、个性化协同训练的联邦学习框架；S2.在模型参数解耦模块中，将端侧设备的本地模型解耦为全局共享模型参数和本地个性化模型参数两部分；S3.计算个性化模型参数与全局共享模型参数之间的差异系数，用于指导个性化模型的更新；S4.在个性化协同训练模块中，端侧设备基于差异系数进行本地模型训练，并根据与其他设备个性化模型的相似度进行动态加权，实现知识的选择性融合；S5.云服务器聚合各端侧设备上传的全局共享模型参数，最终形成完整的个性化模型。本发明提升性化模型的性能，增强个性化训练的协同效果，提高整体模型的泛化能力。