一种用于医疗EEG数据集的联邦遗传算法  

A Federated Genetic Algorithm for Medical EEG Datasets

作　　者：陈海宇 Chen Haiyu(School of Public Health,Zhaoqing Medical College,Zhaoqing,Guangdong 526070,China)

机构地区：[1]肇庆医学高等专科学校公共卫生学院,广东肇庆526070

出　　处：《伊犁师范大学学报（自然科学版）》2023年第2期64-70,共7页Journal of Yili Normal University：Natural Science Edition

基　　金：广东省普通高校特色创新类项目(2021KTSCX332);2022年度广东省教育科学规划课题(高等教育专项)(2022GXJK650);广东省职业技术教育学会科研规划项目2021—2022年度课题(粤职学会[2021]5号:202103G185)。

摘　　要：为了提高医疗数据的共享安全性,提出了一种基于遗传算法的联邦学习算法.该算法将单个用户到服务器的数据传输减少到单个适应度值,用户不需要上传模型的梯度信息,避免了传输数据泄露带来的问题.使用卷积神经网络对脑电波EEG信号进行分类,使用改进的遗传算法对模型进行优化,设计了合适的编码、交叉、变异算子以及精英保留策略对问题进行求解.实验结果表明,该算法可以得到较好的求解精度,较好保障了医疗数据的隐私安全.Using federated learning for medical data can improve data sharing security.This paper proposes a federated learning algorithm based on an genetic algorithm,which reduces the data transmission from a single user to the server to a single fitness value.The user does not need to upload the gradient information of the model,which avoids the problem of transmission data leakage.Appropriate coding,crossover,mutation operators and elite retention strategies are designed to solve the problem.The experimental results show that the proposed algorithm can obtain better solution accuracy.

关 键 词：联邦学习 遗传算法 梯度信息 EEG数据集 神经网络 

分 类 号：TP393.1[自动化与计算机技术—计算机应用技术]