一种面向低轨卫星星座的分层联邦学习与选择性知识迁移方法

本发明属于卫星技术领域，公开了一种面向低轨卫星星座的分层联邦学习与选择性知识迁移方法，该方法通过初始化、簇内聚合、簇间同步、弱类别识别、本地训练和迭代步骤，实现簇内高频聚合与簇间低频同步的双时间尺度编排；其中，在簇内聚合中，领导卫星接收参与卫星上传的本地模型及元信息存入缓冲池，在满足聚合触发条件时进行聚合生成簇模型及簇级L1知识；在簇间同步中，超级领导卫星对各簇模型进行全局聚合生成全局模型及全局L2知识；参与卫星根据L1和L2知识识别弱类别集合，并仅对弱类别施加选择性知识蒸馏和选择性原型对齐约束。解决了现有技术中跨簇同步等待开销大、弱类别知识被稀释及模型在长尾类别上识别度低等问题。