[发明专利]基于两阶段聚类的联邦学习模型训练方法和存储设备有效
| 申请号： | 202110661289.1 | 申请日： | 2021-06-15 |
| 公开（公告）号： | CN113313266B | 公开（公告）日： | 2023-10-24 |
| 发明（设计）人： | 翁建庆;苏松志 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06F18/23 |
| 代理公司： | 福州市景弘专利代理事务所(普通合伙) 35219 | 代理人： | 魏小霞;徐宝珺 |
| 地址： | 361005 福建*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及模型训练技术领域，特别涉及一种基于两阶段聚类提升联邦学习模型性能的训练方法和存储设备。所述一种基于两阶段聚类提升联邦学习模型性能的训练方法，包括步骤：获取每个客户在本地通过联邦学习训练好后的模型；通过K‑Center聚类方法将所有客户端分组为两个以上集群，每个集群对应一个不同的中央服务器；通过该步骤是对具有相似数据集的客户端的集群进行模型训练，减少了客户端数据分布的差异，加快收敛速度。将每个集群中的客户端随机分组为两个以上细粒度集群，采用预设算法对每个细粒度集群进行训练。通过进一步采用细粒度聚类方法来拉平了原始数据分布。通过以上步骤大大提高了联邦学习在Non‑IID环境下的模型性能。 | ||
| 搜索关键词： | 基于 阶段 联邦 学习 模型 训练 方法 存储 设备 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于厦门大学，未经厦门大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202110661289.1/，转载请声明来源钻瓜专利网。
