← 返回列表

基于异构数据的设备分簇方法、装置、设备、系统及介质

申请号: CN202410230125.7
申请人: 浪潮电子信息产业股份有限公司
申请日期: 2024/2/29

摘要文本

本发明提供基于异构数据的设备分簇方法、装置、设备、系统及介质,涉及计算机技术领域,首先可将多个边缘设备划分至多个设备簇,以便各边缘设备对机器学习模型进行层级联邦训练;同时,在分簇过程中,本发明可确定各边缘设备本地的机器学习模型对同一测试数据集的推理结果,并可基于该推理结果确定各边缘设备间的训练数据相似度;进而,可利用各训练数据相似度将各边缘设备划分至多个设备簇,即可在分簇过程中考虑数据异构的特点和分布情况,并将拥有相似数据的设备放在同一簇中,从而可提高簇内数据的相似性。这样,在各边缘设备进行层级联邦训练时,可确保相近的机器学习模型参数先聚合,可确保全局模型更快收敛,并可提升联邦学习效率。

专利详细信息

项目 内容
专利名称 基于异构数据的设备分簇方法、装置、设备、系统及介质
专利类型 发明申请
申请号 CN202410230125.7
申请日 2024/2/29
公告号 CN117806838A
公开日 2024/4/2
IPC主分类号 G06F9/50
权利人 浪潮电子信息产业股份有限公司
发明人 郭振华; 李仁刚; 范宝余; 王立; 赵坤; 张润泽; 贺蒙; 曹芳; 赵雅倩; 鲁璐
地址 山东省济南市高新区草山岭南路801号9层东侧

专利主权项内容

1.一种基于异构数据的设备分簇方法,其特征在于,应用于边缘云服务器,所述方法包括:向多个边缘设备下发同一组测试数据集,并获取各所述边缘设备本地的机器学习模型对所述测试数据集的推理结果;各所述边缘设备中的机器学习模型对应相同的模型结构及推理任务,各所述边缘设备均已采用其本地的训练数据对所述机器学习模型进行训练;利用各所述推理结果确定各所述边缘设备间的训练数据相似度,并利用各所述训练数据相似度将各所述边缘设备划分至多个设备簇;将设备簇信息下发至各所述边缘设备,以由各所述边缘设备将其本地的机器学习模型参数在所述设备簇中进行近邻聚合和簇内聚合、并由各所述设备簇的簇头边缘设备将簇内聚合得到的簇内聚合模型参数发送至所述边缘云服务器进行全局聚合。