由于机器学习模型规模庞大，单机训练困难，联邦学习被广泛应用。但模型在新设备上可能因领域转移而难以泛化。本文介绍了RF-TCA，一种加速计算的转移组件分析方法，并扩展为FedRF-TCA，适用于联邦领域适应，通信复杂度与样本大小无关，性能优于现有方法。实验表明FedRF-TCA性能卓越且对网络条件稳健。