[发明专利]共识表征提取和多样性传播的解纠缠个性化联邦学习方法

权利要求书

1.一种共识表征提取和多样性传播的解纠缠个性化联邦学习方法，其特征在于，应用于个性化联邦学习系统，所述个性化联邦学习系统包括多个节点；所述方法包括如下步骤：

步骤S1、当前节点分别接收其他节点各自对应的局部共识表征提取模型和特有表征提取模型；

步骤S2、当前节点使用其他节点特有表征模型分别提取当前节点数据的表征，并计算不同组表征之间的第一互信息，通过第一互信息大小确定节点之间数据分布相似性，并根据所述第一互信息确定所述其他节点各自对应的聚合权重；

步骤S3、当前节点根据所述其他节点各自对应的聚合权重、所述其他节点各自对应的局部共识表征提取模型，获得所述当前节点对应的全局共识表征聚合模型；

其中，所述步骤S2中的聚合权重通过如下公式获得：

其中，W_ji表示所述其他节点中的任一节点j所对应的聚合权重；所述表示所述其他节点中的任一节点j所对应的特有表征提取模型E_s^j提取出的当前节点i的当前节点数据x_i的表征；表示当前节点i的特有表征提取模型E_sⁱ提取出的当前节点i的当前节点数据x_i的表征；I表示互信息计算函数，K表示所述个性化联邦学习系统中的节点数量；E_s^k（x_i）表示所述个性化联邦学习系统中的节点k的特有表征提取模型E_s^k提取出的当前节点i的当前节点数据x_i的表征，其中，节点k的取值为个性化联邦学习系统中的节点1~K中的任一个。

2.根据权利要求1所述的方法，其特征在于，

所述步骤S3中的全局共识表征聚合模型通过如下公式获得：

其中，表示所述当前节点i对应的全局共识表征聚合模型；表示所述其他节点中的任一节点j所对应的局部共识表征提取模型。

3.根据权利要求1或2所述的方法，其特征在于，所述步骤S1之前还包括：

步骤S0、从所述多个节点中随机选取至少两个节点，所述至少两个节点用于执行所述步骤S1-步骤S3。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

判断迭代执行所述步骤S0-步骤S3的次数是否达到预设聚合轮次；

若否，则继续返回执行步骤S0。