本文提出样本级原型联邦学习SL-PFL,通过本地-全局两级聚类隐式挖掘数据域,结合原型损失和InfoNCE损失实现样本级个性化预测,无需显式域标签,支持分类与回归。在天气回归、图像分类、医疗死亡率预测任务上优于12种基线,且聚类质心不导致隐私泄露,兼顾性能与安全。
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章