1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 计算机
  5. 数据结构与算法

自适应聚类中心个数选择：一种联邦学习的隐私效用平衡方法_20260124_083103.docx

自适应聚类中心个数选择：一种联邦学习的隐私效用平衡方法_20260124_083103.docx

    毕业设计（论文）

    PAGE

    1-

    毕业设计（论文）报告

    题目：

    自适应聚类中心个数选择：一种联邦学习的隐私效用平衡方法

    学号：

    姓名：

    学院：

    专业：

    指导教师：

    起止日期：

    自适应聚类中心个数选择：一种联邦学习的隐私效用平衡方法

    摘要：本文针对联邦学习中的隐私保护问题，提出了一种自适应聚类中心个数选择的隐私效用平衡方法。该方法通过分析聚类中心个数对模型性能和隐私保护的影响，设计了一种基于模型性能和隐私成本的平衡策略，以实现隐私保护与模型性能的优化。实验结果表明，该方法能够有效降低模型在联邦学习中的隐私泄露风险，同时保持较高的模型性能。本文的

    您可能关注的文档

    最近下载

    文档评论（0）

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >