一种基于判别缺口回填式的联邦学习优化方法

本发明提供了一种基于判别缺口回填式的联邦学习优化方法，包括：步骤1，判别缺口回填式个性化联邦系统初始化；步骤2，客户端选择与共享信息同步广播；步骤3，基础判别输出生成与判别缺口计算；步骤4，判别余量双阀控制下的端侧缺口回填训练；步骤5，预测诱导的困难类别语义挤压与端侧类别摘要生成；步骤6，服务器聚合与类别判别基准向量表惯性融合更新；步骤7，重复步骤2至步骤6，直至达到预设训练轮数或满足收敛条件。本发明通过端侧判别缺口回填器对基础判别剩余误差进行定向补偿，减少客户端重复学习完整分类任务，提高个性化分类准确率。