基于联邦增量决策树的工业物联网联邦学习方法

本发明公开了一种基于联邦增量决策树的工业物联网联邦学习方法，云服务器部署并初始化联邦学习全局模型和联邦增量决策树，并设置各个特征值的统计直方图桶边界集合；每次联邦学习迭代中，云服务器广播联邦学习全局模型参数，每个工业设备采用本地数据集进行训练并统计得到局部梯度直方图参数，边缘服务器对局部梯度直方图参数和联邦学习模型参数进行局部聚合，云服务器对梯度直方图局部聚合参数进行全局聚合后对联邦增量决策树进行增量训练，同时进行联邦学习全局模型参数聚合，在联邦学习模型参数局部聚合和全局聚合时，基于二阶梯度值自适应计算聚合权重。本发明可以有效降低联邦学习开销，提升联邦学习模型的性能。