您当前的位置：
首页 >
文章列表页 >
资源高效的聚类协同联邦学习客户端选择方法
计算机科学与技术 | 更新时间：2026-02-03
上一篇|下一篇

    • 资源高效的聚类协同联邦学习客户端选择方法

    • Resource-efficient clustering collaborative federated learning client selection method

    • “针对联邦学习中客户端资源与数据异构性问题，专家提出资源高效聚类协同联邦学习客户端选择方法，实验表明该方法可减少全局训练时间，实现训练效率与全局模型准确率良好平衡。”
    • 李强 ，张凌羽 ，孟祥宇
    • 吉林大学学报（工学版） 2025年55卷第10期 页码：3337-3345
    • 作者机构：

      吉林大学 计算机科学与技术学院，长春 130012

    • 作者简介：

      李强（1975-），男，教授，博士. 研究方向：隐私保护，安全计算，人工智能安全，网络攻击检测. E-mail：li_qiang@jlu.edu.cn

      孟祥宇（1988-），男，副教授，博士. 研究方向：网络与信息安全，国产操作系统.E-mail： xiangyumeng@jlu.edu.cn

    • 基金信息：
      吉林省科技厅创新平台（基地）和人才专项项目(20220508043RC)

    • DOI： 10.13229/j.cnki.jdxbgxb.20231369     

      中图分类号：

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 4 ) 表( 5 )

  • 参考文献

  • 出版信息

  • 数据统计

42

浏览量

242

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

移动边缘计算场景中的动态身份认证协议
基于JS散度的不确定数据密度峰值聚类算法
考虑能耗的进出站驾驶风格分类及识别模型
基于联邦学习和区块链的新冠肺炎胸部CT图像分割
模糊c-harmonic均值算法在不平衡数据上改进

相关作者

王小龙
孙治朝
赵庶旭
李松
刘娟
刘晓楠
付锐
郭应时

相关机构

兰州交通大学 电子与信息工程学院
奇安信科技集团股份有限公司 战略研究部
哈尔滨理工大学 计算机科学与技术学院
长安大学 汽车学院
吉林大学 通信工程学院