基于混合域专家模型与客户端贡献度聚合的联邦学习框架
Federated learning framework with mixture-of-domain-experts and client-contribution-based aggregation
1. 北京信息科技大学 理学院, 北京 100192
2. 中国科学院软件研究所, 北京 100190
摘要
在实际联邦学习应用场景中常存在单个客户端包含多个领域数据的情况，现有联邦学习模型多采用单一特征提取器结构，其固定参数容量难以充分刻画多个异构领域的特征分布，导致跨领域表征冲突。为此，提出一种基于混合域专家模型与客户端贡献度聚合的联邦学习框架FedMoDE(Federated Mixture-of-Domain-Experts)。该框架将特征提取部分设计为一组并行的专家模型，每个专家专注于学习特定领域的特征；针对专家模型的聚合难题，设计基于客户端贡献度的聚合策略，依据门控网络输出的样本分配概率估计各客户端内部各领域的样本量，据此对负责同一领域的专家进行加权聚合，实现同域知识整合与专家模型的跨客户端对齐。在Digits与PACS数据集上的实验结果表明，所提方法相较于基线方法具有显著优越性，且实验结果验证了各组成部分的有效性。该框架通过模型架构与聚合策略的协同改进，有效提升了多域异质场景下的全局模型性能。
出版信息
DOI: 10.19734/j.issn.1001-3695.2026.06.0172
出版期卷: 《计算机应用研究》 优先出版, 2027年第44卷 第2期
发布历史
[2026-10-22] 优先出版
引用本文
李如萍, 王灿, 吴秋新, 等. 基于混合域专家模型与客户端贡献度聚合的联邦学习框架 [J]. 计算机应用研究, 2027, 44 (2). (2026-10-24). https://doi.org/10.19734/j.issn.1001-3695.2026.06.0172. (Li Ruping, Wang Can, Wu Qiuxin, et al. Federated learning framework with mixture-of-domain-experts and client-contribution-based aggregation [J]. Application Research of Computers, 2027, 44 (2). (2026-10-24). https://doi.org/10.19734/j.issn.1001-3695.2026.06.0172. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2025年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
