一种基于联邦学习的港口信息处理方法

本发明公开了一种基于联邦学习的港口信息处理方法，属于联邦学习技术领域，包括以下步骤：S1、确定任务类型，并针对数据集选择评价指标并进行预训练；S2、根据预训练得到的全局梯度，由服务器挑选部分客户端进行本地训练，训练结束后上传梯度；S3、收集所有梯度，对所有梯度进行梯度评分，然后根据阈值筛选优秀梯度；筛选过程中，设定评分权重并依据当前轮次动态调整阈值，若全部梯度低于阈值，则执行软加权处理保留全部梯度参与更新；S4、每轮训练结束后，服务器记录客户端验证集上的平均损失与精确度，采用元学习的方法训练并对梯度更新参数进行修改。本发明能够解决目前联邦学习中面对强异质性数据训练精度低，通讯负担大等问题。