基于多模态联邦学习实现异构缺失数据处理的方法、装置、处理器及其计算机可读存储介质

本发明涉及一种基于多模态联邦学习实现异构缺失数据处理的方法，包括以下步骤：分布式客户端接收来自多个边缘设备的多模态异构数据，对所接收的数据进行模拟缺陷，并对缺陷数据进行处理；联邦学习服务器接收来自多个客户端的模型优化参数，并将所接收的优化参数进行聚合操作，并下传返回给各个客户端。采用了本发明的基于多模态联邦学习实现异构缺失数据处理的方法、装置、处理器及其计算机可读存储介质，能够充分考虑边缘设备间数据采集的异构性与缺陷问题，通过改进预处理、特征提取、缺陷数据补全和对抗学习纠正机制，实现对多模态数据的高效融合与联合建模，从而在保证数据隐私的前提下，提高模型的训练效率和预测准确性。