联邦多线性主成分分析及其在预测中的应用
机器学习
2024-04-30 v2 图像与视频处理
机器学习
摘要
多线性主成分分析（MPCA）是一种广泛使用的张量数据降维方法。然而，现有研究尚未探索将MPCA集成到联邦学习中。为填补这一空白，本文提出了一种联邦多线性主成分分析（FMPCA）方法，该方法使多个用户能够协作降低其张量数据的维度，同时保持每个用户数据的本地性和机密性。所提出的FMPCA方法被保证具有与传统MPCA相同的性能。本文还展示了所提出的FMPCA在工业预测中的应用。使用模拟数据和真实数据集验证了所提出方法的性能。
引用
@article{arxiv.2312.06050,
title = {Federated Multilinear Principal Component Analysis with Applications in Prognostics},
author = {Chengyu Zhou and Yuqi Su and Tangbin Xia and Xiaolei Fang},
journal= {arXiv preprint arXiv:2312.06050},
year = {2024}
}