一种面向异构模型和数据的联邦原型学习方法

本发明提供一种面向异构模型和数据的联邦原型学习方法，包括：各客户端使用异构模型训练本地数据，生成中间层特征对应的语义原型和输出层特征对应的决策原型，并通过自适应池化层统一不同模型的中间特征维度；在服务器端对语义原型采用加权平均聚合生成全局语义原型，对决策原型采用聚类生成类内决策原型；基于全局语义原型和类内决策原型，通过对比学习训练全局分类器；客户端通过知识蒸馏对齐本地模型的决策特征与全局分类器输出，并约束中间层特征逼近全局语义原型；客户端与服务器仅传输原型向量和全局分类器参数。