公平联邦学习与激活聚类

本研究针对当前联邦学习中存在的技术、文化等偏见问题，提出了一种基于公平聚类的框架，将客户根据相似性进行分类。通过构建独特的相似性矩阵和客户加权机制，该方法有效减少了不同客户群体之间的偏见，从而改善了算法对特定群体的偏见问题。