聚类联邦学习方法的比较评估

本研究针对联邦学习过程中高度异构数据分布的问题，提出了基于新分类法的聚类联邦学习（CFL）性能评估。通过分析三种图像分类数据集，研究发现现有的CFL算法在不同异构场景中的表现差异，旨在加深对CFL表现与数据异构性之间关系的理解。