基于动态聚类的个性化联邦学习与模块化组合策略

作     者：周洪炜 马源 马旭 ZHOU Hongwei;MA Yuan;MA Xu

作者机构：曲阜师范大学山东曲阜273165 

出 版 物：《现代信息科技》 (Modern Information Technology)

年 卷 期：2024年第8卷第13期

页      面：61-64,69页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：联邦学习 个性化 深度神经网络 可组合 动态聚类 

摘      要：提出一种基于动态聚类的个性化联邦学习方法来解决联邦学习下数据异构的问题。此方法将优化目标向量与凝聚聚类算法相结合,在保证节省计算资源的同时,将数据差异较大的客户端动态划分到不同的集群中。此外,出于对训练模型可持续使用的考虑,进一步提出模块可组合策略,新的客户端只需将之前训练模型组合便可以得到一个适合本地任务的初始模型。客户端只需在该初始模型上进行少量训练便可以应用于本地任务。在Cafir-10和Minst数据集上,其模型的精确度要优于本地重新训练模型的精度。