基于三支决策的联邦学习客户选择模型

摘要：

大量拥有有限的资源和低质量的训练数据的客户端可能会对联邦学习的模型训练产生负面影响.因此,如何在拥有大量不同客户端的大规模网络中选择客户端参与训练过程对联邦学习全局模型的性能至关重要.针对联邦客户选择的问题,提出了一种基于三支决策的客户端选择策略,根据客户端的损失值和精度,利用三支决策的阈值判断客户端是否参与该轮次的联邦聚合训练,并在三个不同的数据集上进行对比实验.结果表明,与随机选择方法相比,基于三支决策的联邦客户选择模型在Fashion-MNIST数据集上提高了约5％的准确率.

关键词：联邦学习、客户选择、三支决策

所属期刊栏目：46

分类号：TP181(自动化基础理论)

资助基金：河北省高校基本科研业务费;唐山市基础研究项目

在线出版日期：2024-01-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：111-121