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_083245.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_083245.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方法。该方法通过分析数据分布特征，动态调整聚类中心的数量，以平衡隐私保护和模型性能。首先，基于K-means算法对数据进行聚类，得到多个聚类中心。然后，通过分析聚类中心间的距离和相似度，动态调整聚类中心的数量。实验结果表明，该方法在保证隐私保护

    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 >