期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
改进的联邦加权平均算法 被引量:4
1
作者 罗长银 王君宇 +2 位作者 陈学斌 马春地 张淑芬 《计算机应用》 CSCD 北大核心 2022年第4期1131-1136,共6页
针对基于层次分析改进的联邦平均算法在计算其数据质量时存在主观因素的影响,提出改进的联邦加权平均算法,从数据质量的角度来处理多源数据。首先,将训练样本划分为预训练样本与预测试样本;然后,使用初始全局模型在预训练数据上的精度... 针对基于层次分析改进的联邦平均算法在计算其数据质量时存在主观因素的影响,提出改进的联邦加权平均算法,从数据质量的角度来处理多源数据。首先,将训练样本划分为预训练样本与预测试样本;然后,使用初始全局模型在预训练数据上的精度作为该数据源的质量权重;最后,将质量权重引入到联邦平均算法中,重新进行全局模型中权重更新。仿真结果表明,在均等分割的数据集与非均等分割的数据集上,改进的联邦加权平均算法训练的模型与传统联邦平均算法训练的模型相比,准确率最高分别提升了1.59%和1.24%;改进的联邦加权平均算法训练的模型与传统整合多方数据再训练的模型相比,虽然准确率略有下降,但数据与模型的安全性有所提升。 展开更多
关键词 联邦学习 联邦平均 联邦加权平均算法 多源数据 数据质量
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部