一种融合参数优化的集群联邦学习方法及设备

本发明涉及一种融合参数优化的集群联邦学习方法及设备，方法包括：S1：各客户端基于中央服务器发布的全局模型和各自私有数据进行本地模型训练，得到代表本地数据特征的局部模型，将局部模型参数上传至中央服务器；S2：中央服务器根据所有客户端的局部模型参数，对客户端进行聚类，将所有客户端划分为不同的集群；S3：中央服务器确认此次训练需要优化的超参数和适应度函数，发送给所有客户端；S4：各集群分别进行联邦学习训练，训练过程中引入改进的粒子群算法，根据中央服务器确认的超参数和适应度函数进行训练，并在每一轮训练中动态调整超参数，以获得最优的联邦学习模型。与现有技术相比，本发明具备训练效率高、训练模型精度高的优点。