本研究提出了联邦分类器平均（FedClassAvg）方法，通过聚合分类器权重来增强决策边界，支持不同神经网络架构的客户端学习稀缺标签。该方法通信效率高，性能优于现有算法。此外，还介绍了WeiAvg和FedDWA等新算法，均在减少通信负担和提高模型精度方面表现出色。