[发明专利]一种用于非独立同分布联邦学习的数据集构建系统和方法

权利要求书

1.一种用于非独立同分布联邦学习的数据集构建系统，其特征在于，包括初始模块、选择模块和状态序列组抽取模块；其中，

初始模块，用于接收数据集，根据初始概率分布矩阵、初始概率转移矩阵抽样生成初始状态序列；

选择模块，用于接收初始状态序列组，生成用于非独立同分布联邦学习的数据集：

状态序列组抽取模块，用于接收状态序列和组数，生成状态序列组。

2.根据权利要求1所述的数据集构建系统，其特征在于，在所述的初始模块中，所述的初始概率分布矩阵π＝(π_i)，其中π_i＝p(i_j＝q_i)，j＝1，2，...，T，T表示抽样的状态序列包含的样本数量；p表示i_j＝q_i的概率，0＜p＜1；

根据初始概率分布矩阵和初始状态转移概率矩阵抽取初始状态序列。

3.根据权利要求2所述的数据集构建系统，其特征在于，在所述的初始模块中，将初始状态序列、初始状态转移概率矩阵和组数传送给状态序列组抽取模块，然后接收所述状态序列组抽取模块返回的状态序列组为初始状态序列组，并将该初始状态序列组传送给选择模块。

4.根据权利要求1所述的数据集构建系统，其特征在于，在所述的初始模块中，所述的初始状态转移概率矩阵为A₀＝(p_ij)_T×n，i＝1，…，T，j＝1，…，n，p_ij＝P(i_t+1＝q_j|i_t＝q_i)，i＝1，2，…，n；j＝1，2，…，n，p_ij表示转移概率，n为数据集中标签的个数，∑_j＝1p_ij＝1，…，∑_j＝np_ij＝1，i＝1，…，T。

5.根据权利要求1所述的数据集构建系统，其特征在于，在所述的状态序列组抽取模块中，根据接收到的状态序列、转移概率矩阵和组数，抽取状态序列组{I₁，I₂，…，I_S}，具体步骤如下：对于状态序列I₁＝{i₁，i₂，…，i_T}的每一个状态值i_j，从转移概率矩阵中获取所述状态值对应的转移概率分布{p_1j，…，p_Tj}，从中取概率最大值对应的标签，然后将该最大值对应的标签存入下一状态序列的相应位置，从而得到长度固定的下一个状态序列I₂，依此方法操作直至得到I_S，从而生成状态序列组{I₁，I₂，…，I_S}，然后将该状态序列组返回。