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。