买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华中农业大学

摘要：本发明公开了一种基于邻近交互的自适应聚类联邦学习方法及系统，该方法包括：构建N个边缘客户端，将包含所有边缘客户端的底层物理网络抽象为图；进行本地网络模型训练；采用自适应分簇算法ACAS，通过KL散度计算模型相似性，基于最小生成森林算法实现自动分簇，减少固定设置簇数量带来的偏差，并基于度最大影响理论来选簇头；采用基于选民模型的FedVM算法，FedVM利用选民模型的邻居交互思想进行簇内聚合；重复训练直到达到终止条件，计算最终的参数及模型的精确度和最优损失函数，得到训练好的DCFL模型，实时输出给移动设备对应的服务。本发明能通过边缘设备信息交互来更新模型可以最大化聚合中的并行性，节省通信成本和减少延迟，加快训练收敛速度。

主权项：1.一种基于邻近交互的自适应聚类联邦学习方法，其特征在于，通过该方法构建基于邻近交互的自适应聚类联邦学习框架模型，即DCFL模型；该方法包括以下步骤：S1、构建N个边缘客户端ES，记为ei，i∈[1,N]，将包含所有边缘客户端的底层物理网络抽象为图G＝V,E，其中节点V代表ES，边E代表边缘客户端之间的网络连接，图中的边具有权重，为任意两个节点ei和ej之间的相似性Sij，具有边连接的两节点称为邻居；S2、进行本地网络模型训练，在第e轮联邦任务中，边缘客户端ei根据参数基于其本地数据Di，通过最小化损失函数进行T轮本地训练得到模型精确度损失值参数在第一轮联邦任务中，N个客户端的参数初始化为w0；S3、在分簇阶段，采用自适应分簇算法ACAS：边缘客户端通过KL散度计算客户端ei与ej本地训练后参数和的相似性Sij，基于最小生成森林算法自动分簇，确定邻居，簇数量设为C，并基于度最大影响理论来选簇头；S4、在联邦信息交互阶段，采用基于选民模型的FedVM算法：所有边缘客户端基于选民模型中的邻居交互和共识思想计算转移概率pij，节点ei与其同一簇内的邻居ej利用pij，更新参数直到簇内每个节点都与其邻居进行信息交互，并再次更新本地网络模型；S5、重复步骤S2-S4，直到达到终止条件，所有的边缘客户端计算最终的参数，根据多个移动用户收集数据的特征提取，计算模型的精确度和最优损失函数，得到训练好的DCFL模型，完成整个训练过程，实时输出给移动设备对应的服务。

全文数据：

权利要求：

百度查询： 华中农业大学 一种基于邻近交互的自适应聚类联邦学习方法及系统