一种基于智能客户端选择与自适应加权的半异步联邦学习训练方法

本发明提出了一种基于智能客户端选择与自适应加权的半异步联邦学习训练方法，步骤为客户端根据中心服务器广播进行模型初始化，中心服务器根据训练集计算本地数据分布，并基于客户端本地数据分布根据聚类算法对客户端进行聚类；中心服务器以固定周期从每个聚类的簇内的随机选取客户端并广播最新的全局模型权重；被选取的所有客户端立即上传本地模型权重和版本号，未被选中的客户端继续进行本地训练；中心服务器根据上传的本地模型权重和本地模型版本对每个被选中的客户端进行同步自适应加权聚合更新全局模型权重；重复步骤S2到S4以实现全局训练，直到全局模型达到目标模型准确率，结束训练。本发明提高了模型的收敛速度和准确度。