用于异构联邦学习中原型聚合与分类器融合的增强型FedACA方法

用于异构联邦学习中原型聚合与分类器融合的增强型EedACA方法，它涉及一种增强型FedACA方法。本发明为了解决当前异构联邦学习中存在的原型表达不充分、分类器聚合策略不足、个性化能力弱的问题。本发明能够在保证客户端隐私的前提下，提升模型对非独立同分布数据的适应能力，增强全局模型在数据异构与模型异构条件下的鲁棒性和泛化能力，特别适用于智能终端协作建模、个性化推荐、边缘计算等场景。本发明属于人工智能技术领域。