本研究提出了聚簇联合学习框架及迭代联合聚类算法，分析其在神经网络等非凸问题中的有效性。评估多种联邦学习方法，显示在隐私保护、统计异质性和通信效率方面的优势，尤其是FedClust方法在模型精度和收敛速度上显著优于其他技术。