Clust-PSI-PFL：基于聚类的非IID个性化联邦学习的人口稳定性指数方法

本文介绍了一种新的方法Clust-PSI-PFL，用于个性化联邦学习。重点是解决与非IID（非独立同分布）数据相关的挑战，这是联邦学习中常见的问题，其中数据分布在不同客户端之间变化。人口稳定性指数（PSI）的使用表明了一种评估并可能减轻数据分布变化影响的方法。聚类方面可能旨在将具有相似数据特征的客户端分组，从而进一步提高性能和个性化。该论文的贡献在于提供了一种在新技术，用于处理联邦学习环境中的数据异质性。

• •提出了一种新的方法Clust-PSI-PFL，用于个性化联邦学习。
• •解决了联邦学习中非IID数据的挑战。
• •利用人口稳定性指数（PSI）进行数据分布分析。
• •采用聚类来分组具有相似数据特征的客户端。