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_072251.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_072251.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：随着联邦学习的广泛应用，如何平衡隐私保护和模型性能成为关键问题。本文提出了一种自适应聚类中心个数选择方法，用于联邦学习中的隐私效用平衡。该方法通过分析数据集特征和模型性能，动态调整聚类中心个数，实现隐私保护和模型性能的优化。实验结果表明，该方法在保证数据隐私的同时，显著提高了模型的准确率和泛化能力。本文首先分

    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 >