该论文提出了一种混合数据高效知识蒸馏方法（HDKD），通过卷积神经网络教师和混合学生解决特征信息缺失和计算开销问题，实验结果表明其在医学数据集上表现优越且计算高效。

本文介绍了一种新颖的个性化联邦学习方法，即类别级联联邦平均（cwFedAVG），通过在服务器端按类别执行联邦平均，创建多个全局模型，并使用本地类别分布加权整合这些模型。实验结果显示，cwFedAVG 在概念上简单而计算高效，可以与现有方法相媲美甚至更好。