一种基于预测机制的聚类联邦学习方法、系统与电子设备

本发明涉及一种基于预测机制的聚类联邦学习方法、系统与电子设备，该方法包括：配置客户端与服务器架构，初始化各客户端本地数据分布；通过多中心聚类算法对客户端进行聚类分组，确定K个聚类中心；利用随机期望最大化算法更新聚类分配和聚类中心全局参数；基于聚类结果，在K个聚类中心分别通过部分客户端选择策略训练模型，进行本地模型参数更新；将聚类中心全局参数与本地模型参数动态融合，形成融合参数；使用融合参数在本地测试集上进行预测评估，输出优化后的多中心聚类模型。与现有技术相比，本发明具有提高了非IID环境的模型性能与收敛速度等优点。