sample-stability loss

新的Fed-BRDECS框架增强了联合深度聚类的隐私保护

研究人员开发了Fed-BRDECS，一种新颖的联合深度嵌入聚类框架，可增强隐私并处理跨客户端的数据异构性。该方法用局部样本稳定性损失取代全局聚类目标，避免了共享敏感客户端数据的需求。Fed-BRDECS还结合了预测平衡采样来解决非IID数据分布问题，并采用质心级重启来维护活跃质心。实验表明，与现有的联合和深度聚类基线相比，它在图像和文本聚类方面表现更优，并在改善联合时间序列异常检测方面具有实用性。