本研究提出了一种新的单次聚类算法，用于层次联邦学习中的聚类身份估计。该算法通过数据相似性有效分组用户，提升聚类效率，并解决了隐私、通信开销和模型先验知识的需求问题。实验结果表明，该算法在准确性和方差降低方面优于基线方法。