基于自适应对比学习结合联邦学习的图像分类算法

本发明属于联邦学习与图像分类领域，具体涉及一种基于自适应对比学习结合联邦学习的图像分类算法。该算法首先通过数据划分策略对参与方本地数据进行分配，模拟现实场景中分布式数据的不均匀性。接着，利用Dirichlet分布控制数据的异构性，进一步增强数据划分的灵活性。各参与方根据分配到的数据构建本地卷积神经网络，在训练过程中引入了动态温度调整机制，根据梯度方差和客户端的个性化特征动态调整温度参数，优化对比学习过程中的样本相似度计算，提升模型对不同客户端数据的适应性。此外，通过对比学习损失函数(如InfoNCE损失)和历史模型池的知识蒸馏，实现了高效精准的图像分类。