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_082659.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_082659.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：随着联邦学习的兴起，数据隐私保护成为其关键挑战之一。本文提出了一种基于自适应聚类中心个数的联邦学习隐私效用平衡方法。该方法通过分析参与联邦学习的数据集特征，动态选择合适的聚类中心个数，从而在保护数据隐私的同时，提高聚类算法的效用。实验结果表明，与传统的联邦学习方法相比，该方法在保持较高聚类精度的同时，显著降低

    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 >