一种基于动态聚合的低轨卫星互联网异构联邦学习方法

本发明提供了一种基于动态聚合的低轨卫星互联网异构联邦学习方法，涉及联邦学习技术领域，包括如下步骤：S1、中央服务器通过共享数据集方法为每个低轨道遥感卫星分配本地训练任务；S2、参与本地训练的卫星接收共享数据和当前全局模型的参数，将更新后的本地模型参数上传至中央服务器；S3、中央服务器根据每个卫星参与聚合的频率以及模型上次参与聚合的时间，计算加权值；基于加权值判断是否收敛；S4、输出当前的全局模型；S5、以当前的全局模型替代S1中的初始的全局模型并重新执行S1‑S3，直至收敛，输出当前的全局模型。本发明能够提高模型训练的效率、精度与稳定性，增强全局模型的泛化能力，从而确保不同卫星之间的协同工作与模型的高效收敛。