本研究提出H-FedSN方法，解决了传统层次联邦学习在多层物联网中的通信效率和准确性问题。通过引入二进制掩码机制和个性化层，显著降低了通信成本，提高了模型训练效率。

本研究提出了一种基于数据相似性的单次聚类算法，旨在解决层次联邦学习中的聚类身份估计问题。该方法提高了聚类效率，降低了隐私风险和通信开销，实验结果表明其在准确性和方差降低方面优于传统方法。