arXiv ID:
2605.04324
arXiv 提交日期: 2026-05-05
DeFed-GMM-DaDiL:一种去中心化联邦领域自适应框架 / DeFed-GMM-DaDiL: A Decentralized Federated Framework for Domain Adaptation
1️⃣ 一句话总结
本文提出了一种名为DeFed-GMM-DaDiL的去中心化联邦学习方法,让多个拥有不同但相关数据的客户端(比如不同医院的医疗影像库)在不共享原始数据、也不依赖中央服务器的情况下,通过将各自数据建模为高斯混合模型,再共同学习一个共享的“原子”模型库,从而帮助一个没有标签的新数据域(如新医院的影像)自动适应并完成分类任务,即使在目标域缺失某些类别时也能保持稳定有效。