联邦 K-means 聚类
机器学习
2024-02-19 v2 分布式、并行与集群计算
摘要
联邦学习是一种无需汇聚数据即可利用分布式数据集进行机器学习的技术，从而更好地保护数据隐私与所有权。尽管近年来有监督联邦学习研究大幅增长，无监督联邦学习方法仍较为匮乏。本文提出一种以联邦方式实现 K-means 聚类的算法，解决了各中心簇数不一以及在不易分离数据集上收敛的挑战。
引用
@article{arxiv.2310.01195,
title = {Federated K-means Clustering},
author = {Swier Garst and Marcel Reinders},
journal= {arXiv preprint arXiv:2310.01195},
year = {2024}
}