本文提出了一种自适应的聚类联邦学习框架FedAC，通过解耦神经网络并为每个子模块使用不同的聚合方法，将全局知识融合到簇内学习中。实验结果表明，FedAC在不同的非独立同分布设置下，CIFAR-10和CIFAR-100数据集的测试准确率分别提高了约1.82%和12.67%。