提示词描述

本实验旨在研究数据分布异质性对联邦学习算法性能的影响。实验使用固定数量的3个客户端，每个客户端代表一个调查点。设计了十七个异质性水平（0-16），以模拟从完全同质到极端异质的数据分布场景。数据分配策略为每个物种类别分配一个目标客户端。例如，“照水”分配给客户端2，“小团”分配给客户端0，“泥紫”分配给客户端1。异质性水平0代表完全均匀的分布，每个物种类别在三个客户端中各占约33%。异质性水平1-6表示目标类别在目标客户端中的比例从43%逐渐增加到90%，剩余样本均匀分配给其他两个客户端。异质性水平7-15表示目标类别在目标客户端中的比例从91%逐渐增加到99%，除了主要物种外，每个客户端中仅保留其他两个物种的8-10个样本。异质性水平16代表完全异质性，目标类别在目标客户端中占100%，在其他两个客户端中占0%。“噪声”类别在所有异质性水平上保持均匀分布。下表展示了每个异质性水平在独立测试集上的评估结果。