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：重庆邮电大学

摘要：本发明涉及一种缓解异构性问题的联邦学习方法，包括初始化所有客户端的任务量和历史训练数据；选取M个客户端作为第一客户端；并根据客户端的资源报告生成客户端的特征向量；将全局模型和第一客户端的任务量发送给第一客户端对全局模型训练获得本地模型；将客户端上传的本地模型进行聚合得到下一轮迭代训练的全局模型；利用全局模型的训练数据对第一客户端进行更新；服务器根据第一客户端向服务器上传的本地模型和利用辅助数据集重新划分下一轮全局模型迭代训练的第一客户端和第二客户端；并重复执行步骤S2‑S6，直至达到预设的训练轮数为止，输出最终全局模型。

主权项：1.一种缓解异构性问题的联邦学习方法，其特征在于，包括：S1：服务器从所有客户端的数据库中抽取部分本地样本组成辅助数据集；并随机初始化所有客户端的任务量和历史训练数据；服务器根据预设的每轮参与全局模型训练的客户端数量M从所有客户端中随机选取M个客户端作为第一客户端；将其余客户端作为第二客户端；S2：服务器获取所有客户端的资源报告，根据客户端的资源报告生成客户端的特征向量；其中，所述客户端的资源报告包括：客户端的CPU时钟频率，带宽，内存以及能量；S3：服务器将全局模型和第一客户端的任务量发送给第一客户端；第一客户端根据接收的任务量利用本地样本对全局模型进行训练获得本地模型，并将全局模型的训练数据和本地模型上传至服务器；服务器对所有第一客户端上传的本地模型进行聚合得到下一轮迭代训练的全局模型；S4：服务器利用第一客户端上传的全局模型的训练数据对第一客户端的历史训练数据进行更新；S5：服务器根据第一客户端的特征向量和第一客户端的历史训练数据利用LinUCB算法计算得到第一客户端的最终任务量；并用第一客户端的最终任务量更新第一客户端的任务量；S6：服务器根据第一客户端向服务器上传的本地模型和预设的每轮参与全局模型训练的客户端数量利用辅助数据集从所有客户端中挑选下一轮参与全局模型迭代训练的第一客户端；并重复执行步骤S2-S6，直至达到预设的训练轮数为止，输出最终全局模型；所述根据第一客户端向服务器上传的本地模型和预设的每轮参与全局模型训练的客户端数量利用辅助数据集从所有客户端中挑选下一轮参与全局模型迭代训练的第一客户端包括：S61：根据第一客户端向服务器上传的本地模型利用辅助数据集计算第一客户端的数据特征；S62：随机选取k个第一客户端作为簇心客户端，根据第一客户端的数据特征与每一个簇心客户端的数据特征之间的距离将第一客户端聚类到与其数据特征最近的簇心客户端得到多个客户端簇和簇心客户端；S63：依次将客户端簇中除簇心客户端外的其余第一客户端作为目标中心点构建准则函数，并将准则函数最小的目标中心点作为下一轮迭代的簇心客户端，重复步骤S62–S63直到簇心客户端不发生变化为止，得到多个客户端簇和簇心客户端；S64：根据聚类后的多个客户端簇和簇心客户端计算平衡点；所述平衡点包括： 其中，表示平衡点的数据特征，k表示第j个客户端簇的数量，M表示第一客户端的数量，mj表示第j个客户端簇Cj中第一客户端的数量，μj表示第j个客户端簇Cj的簇心客户端Aj的数据特征；S65：计算簇心客户端与平衡点的距离；S66：将簇心客户端与平衡点的距离小于设定阈值的客户端簇作为平衡簇，将其余客户端簇作为倾斜簇；S67：根据预设的每轮参与全局模型训练的客户端名额和各个簇拥有的客户端数量利用整数分配算法将名额分配给各个平衡簇、倾斜簇以及第二客户端；S68：根据每个平衡簇、倾斜簇和第二客户端拥有的下一轮参与全局模型训练的客户端名额数量和各个客户端的任务量利用MD抽样算法分别从各个平衡簇、倾斜簇以及第二客户端中选取对应数量的客户端作为下一轮迭代训练的第一客户端，并将其余客户端作为下一轮迭代训练的第二客户端。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种缓解异构性问题的联邦学习方法