基于標(biāo)簽分類的聯(lián)邦學(xué)習(xí)客戶端選擇方法

摘要： 聯(lián)邦學(xué)習(xí)作為一種分布式的機(jī)器學(xué)習(xí)方法，在保護(hù)數(shù)據(jù)隱私的同時(shí)可以充分挖掘數(shù)據(jù)中的價(jià)值；然而傳統(tǒng)的聯(lián)邦學(xué)習(xí)訓(xùn)練方法只是隨機(jī)選擇參與客戶端，難以適應(yīng)非獨(dú)立同分布（Non-IID）數(shù)據(jù)集。針對(duì)Non-IID數(shù)據(jù)下聯(lián)邦學(xué)習(xí)模型精度低、收斂慢等問題，提出一種基于標(biāo)簽分類的聯(lián)邦學(xué)習(xí)客戶端選擇方法（FedLCCS）。首先，按照頻數(shù)統(tǒng)計(jì)結(jié)果分類排序客戶端數(shù)據(jù)集標(biāo)簽；其次，選擇擁有高頻數(shù)標(biāo)簽的客戶... （共7頁(yè)）