一种异构数据下边缘侧联邦学习的客户端选择方法

摘要

本发明属于人工智能领域，提供了一种异构数据下边缘侧联邦学习的客户端选择方法，所述客户端选择方法包括：训练初始化，构造数据集；计算候选客户端本地权重的变化；FL服务器基于权重变化信息选择参与训练的客户端集；FL服务器计算平均权重；重复前述步骤，直至训练模型收敛性能不变；本发明实现了FL服务器在真实的异构数据环境中确保被选择的数据样本符合科学性和代表性，同时通过增加额外选择的客户端数量参数S和周期参数P进一步提升FL训练模型的准确率，并且减少能耗。