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_073324.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_073324.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：随着大数据时代的到来，联邦学习作为一种分布式机器学习框架，在保护数据隐私的同时实现模型训练成为研究热点。然而，联邦学习中的聚类中心个数选择问题一直是困扰研究者的一大难题。本文提出了一种基于自适应聚类中心个数选择的联邦学习隐私效用平衡方法。首先，通过分析不同聚类中心个数对模型性能的影响，设计了一种自适应选择聚类

    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 >