联邦多任务聚类用于去中心化数据

本文解决了在去中心化环境中进行聚类的挑战，其中数据隐私是一个问题。它提出了一个新颖的框架FMTC，该框架结合了针对异构客户端的个性化聚类模型和用于捕获共享知识的服务器端模块。使用参数化映射模型避免了对不可靠伪标签的依赖，并且对客户端模型张量的低秩正则化是一项关键创新。本文的贡献在于它能够在保护隐私的同时执行有效的聚类，并在联邦设置中考虑数据异质性。基于ADMM的提议算法也是一个重要贡献。

• •提出了一个新颖的联邦聚类框架FMTC。
• •为异构客户端采用个性化聚类模型。
• •使用服务器端张量相关模块来捕获共享知识。
• •避免依赖不可靠的伪标签。
• •证明了相对于现有方法的优越性能。