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_075835.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_075835.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：随着互联网的普及和数据量的激增，联邦学习作为一种保护用户隐私的机器学习技术受到广泛关注。然而，联邦学习中聚类中心个数的选取对模型的性能有重要影响。本文提出一种基于自适应聚类中心个数选择的联邦学习方法，旨在平衡隐私保护与模型效用。该方法首先利用局部聚类中心个数的自适应选择策略，降低模型在本地设备上的训练负担，然

    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 >