该研究介绍了FeCA算法，用于解决联邦学习框架中的无监督聚类问题。该算法通过自适应精炼局部解并聚合以恢复全局解，解决了非凸优化目标和数据异质性的挑战。同时，将FeCA扩展为表示学习，并与DeepCluster结合在联邦学习框架中进行无监督特征学习。