[发明专利]联邦谱聚类方法、装置及电子设备

权利要求书

1.一种联邦谱聚类方法，其特征在于，应用于中央服务器，所述方法包括：

获取第0轮全局字典矩阵；

将第s-1轮全局字典矩阵广播给参与第s轮联邦学习的各客户端，以便所述各客户端基于所述第s-1轮全局字典矩阵更新各客户端的第s轮本地字典矩阵和第s轮本地系数矩阵，其中，所述s取值为1、2、3、……；

接收各客户端发送的所述各客户端的第s轮本地字典矩阵，并根据所述各客户端的第s轮本地字典矩阵确定第s轮全局字典矩阵，直至所述s达到预设的最大训练次数或所述第s轮全局字典矩阵收敛；

从参与最后一轮联邦学习的各客户端中获取最后轮次本地字典矩阵，从全部客户端中获取各客户端的最后轮次本地系数矩阵；

根据各最后轮次本地字典矩阵计算得到最后轮次全局字典矩阵，根据各最后轮次本地系数矩阵计算得到最后轮次全局系数矩阵；

根据所述最后轮次全局字典矩阵和最后轮次全局系数矩阵构建相似度矩阵；

根据所述相似度矩阵进行谱聚类得到谱聚类的结果，并将所述谱聚类的结果广播给各客户端。

2.根据权利要求1所述的方法，其特征在于，所述根据所述相似度矩阵进行谱聚类得到谱聚类的结果，包括：

对所述相似度矩阵做稀疏化处理，得到稀疏化的相似度矩阵；

基于所述稀疏化的相似度矩阵执行谱聚类，得到谱聚类的结果。

3.根据权利要求1所述的方法，其特征在于，所述根据所述各客户端的第s轮本地字典矩阵，确定第s轮全局字典矩阵，包括：

对所述各客户端的第s轮本地字典矩阵进行平均，得到第s轮全局字典矩阵。

4.根据权利要求1所述的方法，其特征在于，所述根据所述最后轮次全局字典矩阵和最后轮次全局系数矩阵构建相似度矩阵，包括：

按照以下公式构建相似度矩阵

其中，C为最后轮次全局系数矩阵，Z为最后轮次全局字典矩阵，为核函数。

5.一种联邦谱聚类方法，其特征在于，应用于客户端，所述方法包括：

接收中央服务器发送的第s-1轮全局字典矩阵；

根据所述第s-1轮全局字典矩阵，更新所述客户端的第s轮本地字典矩阵和第s轮本地系数矩阵；

将所述客户端的第s轮本地字典矩阵发送给所述中央服务器，以便所述中央服务器根据各客户端的第s轮本地字典矩阵，确定第s轮全局字典矩阵；

在所述s达到预设的最大训练次数或第s轮全局字典矩阵收敛，停止更新本地字典矩阵和本地系数矩阵，将所述客户端的最后轮次本地字典矩阵和最后轮次本地系数矩阵发送给中央服务器，以便所述中央服务器据此计算的最后轮次全局字典矩阵和最后轮次全局系数矩阵构建相似度矩阵，并将根据所述相似度矩阵进行谱聚类得到的谱聚类的结果广播给所述客户端；

接收所述中央服务器发送的所述谱聚类的结果，并根据所述谱聚类的结果对所述客户端内的本地数据进行谱聚类。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第s-1轮全局字典矩阵，更新所述客户端的第s轮本地字典矩阵和第s轮本地系数矩阵，包括：

按照以下公式计算第s轮本地系数矩阵

按照以下公式计算第s轮本地字典矩阵

其中，为核函数，I_d为单位矩阵，λ为常数，为客户端p接收到的第s-1轮全局字典矩阵，X_p包括客户端p的本地数据，η_s为大于0的常数，f_p(·,·)是客户端p的本地目标函数，为求f_p(·,·)关于的梯度，‖.‖_F为F范数，φ为核函数诱导的特征映射函数；t为梯度迭代次数，当t达到预定迭代次数Q时，

7.根据权利要求6所述的方法，其特征在于，所述X_p包括客户端p的本地数据和噪音数据。