本研究提出了一种基于置信度聚类的个性化Tsetlin联邦学习方法TPFL，旨在提高模型准确性并保护用户隐私。TPFL通过对特定类别的置信度进行分组，降低了通信成本，并在MNIST、FashionMNIST和FEMNIST数据集上取得了最佳准确率。