智能家居健康监测系统的可信联邦学习方法及设备

本发明涉及可信联邦学习领域，具体涉及一种智能家居健康监测系统的可信联邦学习方法及设备。包括以下步骤：使用数据挖掘方法清洗智能终端客户端采集到的数据构建人群健康监测的事件类别,并建立各个客户端私密保留的本地数据集；根据终端的性能，在各个终端和中央服务器部署相应的深度学习模型，并建立联邦学习范式，基于各终端的数据集分布式训练该深度学习模型；通过高斯分布近似来获取集成模型，计算这些模型参数的协方差矩阵，进行高斯参数估计，得到轨迹模型的近似高斯分布，进而得到收敛的高斯混合模型；采用贝叶斯推理进行智能家居健康状态预测。本发明解决了现有技术中的模型可靠性问题，在智能家居健康监测等领域具有广泛的应用前景。