基于层析分析改进的联邦平均算法

被引：6

作者：

罗长银 ^{[1
,2
,3
]}

陈学斌 ^{[1
,2
,3
]}

马春地 ^{[1
]}

张淑芬 ^{[1
,2
,3
]}

机构：

[1] 华北理工大学理学院

[2] 华北理工大学河北省数据科学与应用重点实验室

[3] 华北理工大学唐山市数据科学重点实验室

来源：

计算机科学 | 2021年 / 48卷 / 08期

关键词：

联邦平均(Fedavg); 熵权法; 层析分析; 权重更新;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

联邦平均(Fedavg)算法采用权重更新来更新全局模型,该算法在权重更新时仅考虑每个客户端数据量的大小,未考虑数据质量对模型的影响。针对该问题,文中提出了基于层次分析改进的联邦平均算法,首次从数据质量的角度来处理多源数据。首先采用熵权法计算数据中各属性的重要度,并将其作为层次分析中准则层的数值,计算每个客户端数据的质量,然后结合客户端数据量的大小,重新计算全局模型中的权重。仿真实验的结果表明,对于中小型数据集而言,使用支持向量机训练的模型准确度最高,达到了85.715 2%;对于大型数据集而言,采用随机森林训练的模型准确率最高,达到了91.932 1%。与传统联邦平均方法相比,所提方法在中小数据集上准确率提升了3.5%,在大数据集上提升了1.3%,能够在提升模型准确率的同时提高数据与模型的安全性。

引用

页码：32 / 40

页数：9

共 9 条

[1] 基于深度学习神经网络的核电厂故障诊断技术 [J].

陈玉昇 ;

杨燕华 ;

林萌 ;

余刃 .

上海交通大学学报, 2018, (S1) :58-61

[2] 一种基于粗糙集和层次分析法的供应商选择方法 [J].

王磊 ;

叶军 ;

张鸿莉 .

计算机科学, 2014, 41 (03) :80-84

[3]

Urban big data fusion based on deep learning: An overview[J] . Jia Liu,Tianrui Li,Peng Xie,Shengdong Du,Fei Teng,Xin Yang.Information Fusion . 2020

[4] Adaptive Federated Learning in Resource Constrained Edge Computing Systems [J].

Wang, Shiqiang ;

Tuor, Tiffany ;

Salonidis, Theodoros ;

Leung, Kin K. ;

Makaya, Christian ;

He, Ting ;

Chan, Kevin .

IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS, 2019, 37 (06) :1205-1221

[5]

Chained Anomaly Detection Models for Federated Learning: An Intrusion Detection Case Study[J] . Davy Preuveneers,Vera Rimmer,Ilias Tsingenopoulos,Jan Spooren,Wouter Joosen,Elisabeth Ilie Zudor.Applied Sciences . 2018 (12)

[6]

Federated learning of predictive models from federated Electronic Health Records[J] . Theodora S. Brisimi,Ruidi Chen,Theofanie Mela,Alex Olshevsky,Ioannis Ch. Paschalidis,Wei Shi.International Journal of Medical Informatics . 2018

[7]

Multi-source data fusion using deep learning for smart refrigerators[J] . Weishan Zhang,Yuanjie Zhang,Jia Zhai,Dehai Zhao,Liang Xu,Jiehan Zhou,Zhongwei Li,Su Yang.Computers in Industry . 2018

[8]

Research on Intelligent Analysis and Depth Fusion of Multi-Source Traffic Data[J] . Guojiang Shen,Xiao Han,Junjie Zhou,Zhongyuan Ruan,Qihong Pan.IEEE Access . 2018

[9]

Privacy-Preserving Patient Similarity Learning in a Federated Environment:Development and Analysis .2 LEE J,WANG F,SUN J M,et al. JMIR Medical Informatics . 2018

← 1 →